کلاس بندی با PSO

الگوريتم اجتماع ذرات يك الگوريتم بهينه سازي تقليدي از رفتارهاي جوامع جانوري در پردازش دانش جامعه است. اين الگوريتم PSO از دو زمينه ريشه گرفته است . نخست زندگي مصنوعي (مانند دستة پرندگان، ماهي ها) و دوم محاسبات تكاملي، در این زندگی مصنوعی]73[. الگوریتم PSOبسیاری از مشکلات را در امر تجزیه وتحلیل تصویر حل کرده است و در این کار به موفقیتهای زیادی رسیده است.

مبناي توسعه الگوريتم PSO این است که جواب هاي ممكن در يك مسأله بهينه سازي به صورت پرندگاني بدون حجم و خصوصيات كيفي در نظر گرفته مي شوند،  كه از آنان به عنوان ذرات ياد ميشود،این پرندگان در یک فضای n بعدی پرواز کرده و مسیر حرکت خود در فضای جستجو را بر اساس تجربیات گذشته خود وهمسایگانشان تغییر میدهند]74[. مکانیزم PSO  بر شبیه سازی رفتار یک گروه استوار است. اعضای این گروه موقعیت خود را با توجه به بقیه اعضای گروه،در بهترین حالت تنظیم می کنند.

برای پیاده سازی این الگوریتم به سه هسته[1] احتیاج داریم:

  • بروز رسانی موقعیت[2]:شبکه محاسبات به بلوک های مختلفی تقسیم می شود، که هر بلوک ، عمل بروز رسانی موقعیت ذرات را انجام می دهد.موقعیت هر ذره با توجه به موقعیت بقیه ذرات ، بروز رسانی می شود. در آغاز کار به اطلاعاتی مانند بهترین موقعیت هر ذره، سرعت و بهترین موقعیت مجاور ،احتیاج داریم.
  • ارزیابی سازگاری[3]:این هسته طوری برنامه ریزی شده است که بر روی هر ذره شبیه سازی شده انجام محاسبات شبکه ای انجام دهد. هر بلوک شامل تعدادی از نقاط است که بر روی علامت ترافیکی وجود دارد. دراینجا موقعیت هر ذره با موقعیت نقاط روی علامت ترافیکی مقایسه میشود و در نهایت از نظر شباهت ارزیابی می شوند.
  • بهترین بروزرسانی[4]:بهترین موقعیت برای هر ذره محاسبه می شود و سپس موقعیت ذره با توجه به آن بروزرسانی می شود]75[.

شکل4‑3: دیاگرام   PSO ]75[

2 kernel

3 Position update

1 Fitness evaluation

2 Best update

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.