پاورپوینت در مورد الگوریتم بهینه سازی توده ذرات
1- فهرست
2- هوش جمعی
3- تاریخچه
4- مقدمه
5- الگوریتم
6- پارامتر ها
7- Pseudo code
8- منابع
روش PSO
روش PSO یا به لاتین (Particle swarm optimization) یک روش سراسری کمینه سازی است که با استفاده از آن می توان با مسائلی که جواب آنها یک نقطه یا سطح در فضای n بعدی می باشد، برخورد نمود. در این چنین فضایی، فرضیاتی مطرح و یک سرعت ابتدایی به آنها اختصاص می دهند. همچنین کانال های ارتباطی بین ذرات در نظر گرفته می شود. سپس این ذرات در فضای پاسخ حرکت می کنند، و نتایج حاصله بر مبنای یک «ملاک شایستگی» پس از هر بازه زمانی محاسبه می شود. با گذشت زمان، ذرات به سمت ذراتی که دارای ملاک شایستگی بالاتری هستند و در گروه ارتباطی یکسانی قرار دارند، شتاب می گیرند.
الگوریتم PSO
الگوریتم PSO یک الگوریتم جستجوی جمعی که از روی رفتار اجتماعی دسته های پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگو های حاکم بر پرواز هم زمان پرندگان و تغییر ناگهانی مسیر آن ها و تغییر شکل بهینه دسته به کار گرفته شد. در PSO، ذرات در فضای جستجو جاری می شوند. تغییر مکان ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگان شان است. بنابراین موقعیت دیگر توده ذرات روی چگونگی جستجوی یک ذره اثر می گذارد.
نتیجه مدل سازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل می کنند. ذرات از یکدیگر می آموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود می روند اساس کار PSO بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته و بهترین مکانی که در کل همسایگی اش وجود دارد، تنظیم می کند.
برای مشاهده پاورپوینت های بیشتر به سایت دانلودنما مراجعه فرمایید.
هیچ دیدگاهی برای این محصول نوشته نشده است.