Deterministiskā daļiņu baru optimizācija — konverģenci garantējoša baru meklēšana bez nejauša trokšņa
Deterministiskā daļiņu baru optimizācija (DPSO) no klasiskās PSO atdala stohastiskos nejaušos koeficientus, aizstājot tos ar fiksētiem kognitīvajiem un sociālajiem paātrinājuma parametriem. Daļiņas pārvietojas meklēšanas telpā pa pilnīgi paredzamām trajektorijām, nodrošinot reproducējamu konverģences analīzi un garantētu izbeigšanās uzvedību nepārtrauktos un kombinatoriskos optimizācijas uzdevumos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Deterministic Particle Swarm Optimization (DPSO). ScholarGate. https://scholargate.app/lv/simulation/deterministic-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.
- Ant Colony OptimizationOptimizācija↔ compare
- Ģenētiskais algoritmsOptimizācija↔ compare
- Daudzobjektīvu daļiņu baru optimizācija (MOPSO)Simulācija↔ compare
- Particle Swarm Optimization (PSO)Optimizācija↔ compare
- Simulated AnnealingOptimizācija↔ compare
- Stohastiskā daļiņu baru optimizācijaSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →