Optimisation par essaim particulaire stochastique — Recherche globale basée sur un essaim aléatoire
L'Optimisation par Essaim Particulaire Stochastique (PSO Stochastique) est une métaheuristique d'intelligence collective qui étend le cadre standard du PSO en incorporant des éléments stochastiques explicites — poids d'inertie aléatoires, réinitialisations probabilistes de vitesse, ou injections de bruit — pour échapper aux optima locaux et maintenir la diversité de la population tout au long de la recherche. Elle est largement appliquée aux problèmes d'optimisation continus, mixtes et bruités en ingénierie, en recherche opérationnelle et en conception basée sur la simulation.
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.
Sources
- Kennedy, J., Eberhart, R. (1995). Particle swarm optimization. Proceedings of ICNN'95 - International Conference on Neural Networks, Vol. 4, pp. 1942-1948. IEEE. DOI: 10.1109/ICNN.1995.488968 ↗
- Clerc, M., Kennedy, J. (2002). The particle swarm - explosion, stability, and convergence in a multidimensional complex space. IEEE Transactions on Evolutionary Computation, 6(1), 58-73. DOI: 10.1109/4235.985692 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Stochastic Particle Swarm Optimization (Stochastic PSO). ScholarGate. https://scholargate.app/fr/simulation/stochastic-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 essaims particulaires multi-objectif (MOPSO)Simulation↔ compare
- Optimisation par essaim particulaire (PSO)Optimisation↔ compare
- Algorithme Génétique StochastiqueSimulation↔ compare
- Optimisation stochastique multi-objectifsSimulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →