ScholarGate
Assistente
Process / pipelineSimulation / optimization

Ottimizzazione per Sciami di Particelle di Scenari Politici — Ricerca guidata da PSO attraverso futuri politici alternativi

L'Ottimizzazione per Sciami di Particelle di Scenari Politici integra l'Ottimizzazione per Sciami di Particelle (PSO) con l'analisi esplicita di scenari politici. Uno sciame di soluzioni politiche candidate viene valutato in molteplici scenari futuri definiti, e le regole di aggiornamento velocità-posizione della PSO guidano lo sciame verso soluzioni che performano bene — o in modo robusto — attraverso tutti gli scenari considerati. Viene utilizzata nella pianificazione energetica, ambientale, infrastrutturale e delle risorse pubbliche.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. Kennedy, J., Eberhart, R. (1995). Particle swarm optimization. Proceedings of the IEEE International Conference on Neural Networks, Perth, Australia, pp. 1942–1948. DOI: 10.1109/ICNN.1995.488968
  2. Poli, R., Kennedy, J., Blackwell, T. (2007). Particle swarm optimization: An overview. Swarm Intelligence, 1(1), 33–57. DOI: 10.1007/s11721-007-0002-0

Come citare questa pagina

ScholarGate. (2026, June 3). Policy Scenario Particle Swarm Optimization — PSO-driven search across alternative policy futures. ScholarGate. https://scholargate.app/it/simulation/policy-scenario-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.

Compare side by side
ScholarGatePolicy Scenario Particle Swarm Optimization (Policy Scenario Particle Swarm Optimization — PSO-driven search across alternative policy futures). Consultato il 2026-06-15 da https://scholargate.app/it/simulation/policy-scenario-particle-swarm-optimization · Insieme di dati: https://doi.org/10.5281/zenodo.20539026