Partikelsværmoptimering (PSO)
Partikelsværmoptimering (PSO) er en populationsbaseret metaheuristisk algoritme introduceret af Kennedy og Eberhart i 1995, inspireret af den kollektive bevægelse af fugleflokke og fiskestimer. Hver kandidatløsning – kaldet en partikel – bevæger sig gennem søgerummet ved at opdatere sin hastighed og position baseret på dens egen bedste erfaring og hele sværmens bedste erfaring, hvilket muliggør hurtig konvergens på tværs af kontinuerlige optimeringsproblemer.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Kilder
- Kennedy, J. & Eberhart, R. (1995). Particle Swarm Optimization. IEEE International Conference on Neural Networks (ICNN), 1942-1948. DOI: 10.1109/ICNN.1995.488968 ↗
- Shi, Y. & Eberhart, R. (1998). A Modified Particle Swarm Optimizer. IEEE Congress on Evolutionary Computation (CEC). link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Particle Swarm Optimization (PSO). ScholarGate. https://scholargate.app/da/optimization/particle-swarm-optimization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- MyrekolonioptimeringOptimering↔ compare
- Bayesiansk optimeringOptimering↔ compare
- Differential EvolutionOptimering↔ compare
- Genetisk AlgoritmeOptimering↔ compare
- Grey Wolf OptimizerOptimering↔ compare
- Simulated AnnealingOptimering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →