입자군 최적화이는 군집 지능 이론을 기반으로 한 최적화 알고리즘으로, 반복적 탐색 과정에서 입자를 사용하여 문제를 최적화합니다.

이 알고리즘은 1995년 J. Kennedy와 RCEberhart가 제안했습니다. 이는 단순화된 사회 모델의 시뮬레이션에서 나온 진화적 컴퓨팅 기술입니다. 그룹의 두 극단값을 추적하여 위치와 속도를 조정합니다. 두 개의 극단값은 입자 자체가 찾은 최적해 Pbest와 그룹이 찾은 최적해 Gbest입니다.

개념 설명

• "군집"은 입자군집을 일치시켜 인공생명을 개발하고 응용하는 모델에서 나온 집단지성의 기본 원리입니다.
• "입자"라는 용어는 질량이나 부피는 없지만 속도와 가속도는 있는 물질로서 그룹의 구성원을 설명하는 데 사용됩니다.

PSO의 응용 프로그램

PSO는 새 떼의 포식 행동을 시뮬레이션하여 설계된 일종의 군집 지능 알고리즘입니다.

해당 지역에 음식이 하나뿐이라고 가정할 때(즉, 최적의 해결책), 새 무리의 임무는 이 음식 공급원을 찾는 것입니다. 개인은 전달을 달성하기 위해 서로에게 정보를 전송합니다. 이러한 협업을 통해 최적의 솔루션을 결정할 수 있으며, 최적의 솔루션에 대한 정보를 전체 그룹에 전달할 수도 있습니다. 결국 그들은 식량원 주위에 모이게 됩니다. 즉, 그들은 최적의 해결책을 찾은 것입니다.

표준 PSO 알고리즘 흐름

1. 무작위 위치와 속도를 포함하여 입자 그룹을 초기화합니다(그룹 크기는 m입니다).
2. 각 입자의 적합도를 평가합니다.
3. 각 입자에 대해 적합도 값을 Pbest와 비교하고, 가장 좋은 값을 현재 가장 좋은 위치 Pbest로 취합니다.
4. 각 입자에 대해 적합도 값을 Gbest와 비교하고, 가장 좋은 값을 Gbest의 지수로 사용합니다.
5. 방정식에 따라 입자의 속도와 위치를 변경합니다.
6. 종료 조건이 충족되지 않으면 2단계를 반복합니다.