Otimização Determinística por Enxame de Partículas — Busca em enxame com convergência garantida e sem ruído aleatório
Otimização Determinística por Enxame de Partículas (DPSO) remove os coeficientes estocásticos aleatórios do PSO clássico, substituindo-os por parâmetros fixos de aceleração cognitiva e social. As partículas movem-se pelo espaço de busca seguindo trajetórias totalmente previsíveis, permitindo análise de convergência reproduzível e comportamento de terminação garantido em problemas de otimização contínua e combinatória.
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.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Deterministic Particle Swarm Optimization (DPSO). ScholarGate. https://scholargate.app/pt/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.
- Otimização por Colônia de FormigasOtimização↔ compare
- Algoritmo GenéticoOtimização↔ compare
- Otimização por Enxame de Partículas Multi-Objetivo (MOPSO)Simulação↔ compare
- Otimização por Enxame de Partículas (PSO)Otimização↔ compare
- Annealing SimuladoOtimização↔ compare
- Otimização por Enxame de Partículas EstocásticoSimulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →