Optimización por Enjambre de Partículas (PSO)
La Optimización por Enjambre de Partículas (PSO) es un algoritmo metaheurístico basado en poblaciones, introducido por Kennedy y Eberhart en 1995, inspirado en el movimiento colectivo de bandadas de aves y cardúmenes de peces. Cada solución candidata —denominada partícula— se mueve a través del espacio de búsqueda actualizando su velocidad y posición basándose en su propia mejor experiencia y la mejor experiencia de todo el enjambre, lo que permite una rápida convergencia en problemas de optimización continua.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Particle Swarm Optimization (PSO). ScholarGate. https://scholargate.app/es/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.
- Optimización por Colonia de HormigasOptimización↔ compare
- Optimización BayesianaOptimización↔ compare
- Differential EvolutionOptimización↔ compare
- Algoritmo GenéticoOptimización↔ compare
- Grey Wolf OptimizerOptimización↔ compare
- Recocido simuladoOptimización↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →