粒子群最適化アルゴリズムこれは群知能理論に基づいた最適化アルゴリズムであり、粒子を使用して反復探索のプロセスで問題の最適化を完了します。

このアルゴリズムは、1995 年に J. Kennedy と RCEberhart によって提案されました。これは、単純化された社会モデルのシミュレーションから派生した進化的コンピューティング技術であり、グループの 2 つの極値を追跡することでその位置と速度を調整します。値はそれぞれ、粒子自体が求める最適解 Pbest とグループが求める最適解 Gbest です。

コンセプト説明

• 「群」は、人工生命を開発および応用するための粒子群マッチングのモデルから派生した群知能の基本原理です。
• 「粒子」は、質量や体積を持たないが、速度と加速度を持つ物質としてグループのメンバーを記述するために使用されます。

PSOの適用

PSO は群知能アルゴリズムの一種で、鳥の群れの捕食行動のシミュレーションに基づいて設計されています。

その領域には一片の餌 (すなわち、最適解) しか存在しないと仮定します。鳥の群れの仕事は、そのような協力を通じて情報を互いに伝達することです。最適解が判断され、その情報がグループ全体に伝達され、最終的に全員が食料源の周りに集まり、最適解が見つかります。

標準 PSO アルゴリズム フロー

1. ランダムな位置と速度を含む粒子のグループ (グループ サイズ m) を初期化します。
2. 各粒子の適合性を評価します。
3. 各粒子について、適合度値を Pbest と比較し、最良の値を現在の最適位置 Pbest として使用します。
4. 各粒子について、適合度値を Gbest と比較し、最良の値を Gbest のインデックス番号として使用します。
5. 方程式に従って粒子の速度と位置を変更します。
6. 終了条件が満たされていない場合は、手順 2 を繰り返します。