Optimisation par essaim particulaire (PSO)
L'optimisation par essaim particulaire (PSO) est un algorithme métaheuristique basé sur une population, introduit par Kennedy et Eberhart en 1995, inspiré par le mouvement collectif des vols d'oiseaux et des bancs de poissons. Chaque solution candidate — appelée particule — se déplace dans l'espace de recherche en mettant à jour sa vitesse et sa position en fonction de sa propre meilleure expérience et de la meilleure expérience de l'essaim entier, permettant une convergence rapide sur les problèmes d'optimisation continus.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Particle Swarm Optimization (PSO). ScholarGate. https://scholargate.app/fr/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.
- Optimisation par Colonies de FourmisOptimisation↔ compare
- Optimisation bayésienneOptimisation↔ compare
- Évolution DifférentielleOptimisation↔ compare
- Algorithme génétiqueOptimisation↔ compare
- Optimisation par Essaim de Loups GrisOptimisation↔ compare
- Recuit simuléOptimisation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →