Partikelschwarmoptimierung (PSO)
Partikelschwarmoptimierung (PSO) ist ein populationsbasierter metaheuristischer Algorithmus, der 1995 von Kennedy und Eberhart eingeführt wurde und vom kollektiven Verhalten von Vogelschwärmen und Fischschwärmen inspiriert ist. Jede Kandidatenlösung – Partikel genannt – bewegt sich durch den Suchraum, indem sie ihre Geschwindigkeit und Position basierend auf ihren eigenen besten Erfahrungen und den besten Erfahrungen des gesamten Schwarms aktualisiert, was eine schnelle Konvergenz bei kontinuierlichen Optimierungsproblemen ermöglicht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Particle Swarm Optimization (PSO). ScholarGate. https://scholargate.app/de/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.
- Ameisenkolonie-Optimierung – Schwarmbasierte kombinatorische OptimierungOptimierung↔ compare
- Bayesian OptimizationOptimierung↔ compare
- Differential EvolutionOptimierung↔ compare
- Genetischer AlgorithmusOptimierung↔ compare
- Grey Wolf OptimizerOptimierung↔ compare
- Simulated AnnealingOptimierung↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →