ScholarGate
Ассистент
Process / pipelineSimulation / optimization

Оптимизация роя частиц для сценарного анализа политики — поиск альтернативных будущих политических сценариев с помощью PSO

Оптимизация роя частиц для сценарного анализа политики (Policy Scenario Particle Swarm Optimization) интегрирует оптимизацию роя частиц (PSO) с явным анализом политических сценариев. Рой кандидатов в решения политики оценивается в рамках множества определенных будущих сценариев, а правила обновления скорости и положения PSO направляют рой к решениям, которые хорошо (или устойчиво) работают во всех рассматриваемых сценариях. Метод применяется в планировании энергетики, окружающей среды, инфраструктуры и общественных ресурсов.

Открыть в MethodMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

  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

Как цитировать эту страницу

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

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом
ScholarGatePolicy Scenario Particle Swarm Optimization (Policy Scenario Particle Swarm Optimization — PSO-driven search across alternative policy futures). Получено 2026-06-15 из https://scholargate.app/ru/simulation/policy-scenario-particle-swarm-optimization · Набор данных: https://doi.org/10.5281/zenodo.20539026