La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Particle Swarm Optimization - A Survey Optimisation des essaims de particules - Une enquête

Keisuke KAMEYAMA

  • Vues en texte intégral

    0

  • Citer

Résumé:

L'optimisation par essaim de particules (PSO) est une méthode de recherche qui utilise un ensemble d'agents qui se déplacent dans l'espace de recherche pour trouver le minimum global d'une fonction objectif. La trajectoire de chaque particule est déterminée par une règle simple intégrant la vitesse actuelle des particules et les historiques d'exploration de la particule et de ses voisines. Depuis son introduction par Kennedy et Eberhart en 1995, le PSO a attiré de nombreux chercheurs en raison de son efficacité de recherche, même pour une fonction objectif de grande dimension avec de multiples optima locaux. La dynamique de la recherche de PSO a été étudiée et de nombreuses variantes d'amélioration ont été proposées. Cet article passe en revue les progrès de la recherche sur les PSO jusqu'à présent et les récentes réalisations en matière d'application à des problèmes d'optimisation à grande échelle.

Publication
IEICE TRANSACTIONS on Information Vol.E92-D No.7 pp.1354-1361
Date de publication
2009/07/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1587/transinf.E92.D.1354
Type de manuscrit
Special Section INVITED PAPER (Special Section on Large Scale Algorithms for Learning and Optimization)
Catégories

Auteurs

Mots-clés

Table des matières