Otimização por Enxame de Partículas (PSO)
A Otimização por Enxame de Partículas (PSO) é um algoritmo meta-heurístico baseado em população, introduzido por Kennedy e Eberhart em 1995, inspirado no movimento coletivo de bandos de pássaros e cardumes de peixes. Cada solução candidata — chamada de partícula — move-se através do espaço de busca atualizando sua velocidade e posição com base em sua própria melhor experiência e na melhor experiência de todo o enxame, permitindo uma convergência rápida em problemas de otimização contínua.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Particle Swarm Optimization (PSO). ScholarGate. https://scholargate.app/pt/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.
- Otimização por Colônia de FormigasOtimização↔ compare
- Otimização BayesianaOtimização↔ compare
- Evolução DiferencialOtimização↔ compare
- Algoritmo GenéticoOtimização↔ compare
- Otimizador Lobo CinzentoOtimização↔ compare
- Annealing SimuladoOtimização↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →