Process / pipelineSimulation / optimization
확률적 입자 군집 최적화 — 무작위 군집 기반 전역 탐색
확률적 입자 군집 최적화(Stochastic PSO)는 명시적인 확률적 요소(무작위 관성 가중치, 확률적 속도 재설정 또는 노이즈 주입)를 통합하여 표준 PSO 프레임워크를 확장하는 군집 지능 메타휴리스틱으로, 지역 최적점을 탈출하고 탐색 전반에 걸쳐 개체군 다양성을 유지합니다. 이는 공학, 운영 연구 및 시뮬레이션 기반 설계에서 연속, 혼합 및 노이즈가 있는 최적화 문제에 널리 적용됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Stochastic Particle Swarm Optimization (Stochastic PSO). ScholarGate. https://scholargate.app/ko/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.
- 다목적 입자 군집 최적화 (MOPSO)시뮬레이션↔ compare
- 입자 군집 최적화 (PSO)최적화↔ compare
- 확률적 유전 알고리즘시뮬레이션↔ compare
- 불확실성 하에서 다중 상충 목표를 최적화하는 확률적 다목표 최적화시뮬레이션↔ compare