بهينه سازي تجمعي ذرات ، يک تکنيک بهينهسازي مبتني برجمعيت است که از حرکت و رفتار اجتماعي گروهي پرندگان و ماهيها ، هنگامي که دنبال غذا ميگردند الهام گرفته شده است. اولين بار جميز کندي و راسل سي ابرهارت در سال 1995 روش بهينهسازي ازدحام ذرات را ارائه دادند .در الگوريتم بهينهسازي تجمعي ذرات، اعضاي جمعيت جوابها، به صورت مستقيم با هم ارتباط دارند و از طريق تبادل اطلاعات، به حل مسئله ميرسند. الگوريتم بهينهسازي ازدحام ذرات براي انواع مسائل پيوسته و گسسته مناسب مي باشد و پاسخهاي بسيار مناسبي براي مسائل بهينهسازي مختلف بدست مي آورد و همچنين در مسائل بهينهسازي پارامترهاي سيستمهاي هوشمند، نظير آموزش وزنهاي شبکههاي عصبي و پارامترهاي سيستمهاي فازي مورد استفاده قرار گرفته است. اين استفاده از الگوريتم بهينه سازي تجمعي ذرات به کاربرد اين پايان نامه بسيار نزديک مي باشد و پارامترهاي ماشين بردار پشتيبان هم توسط اين الگوريتم بهينه مي شوند.
هر عضو از جمعيت يا راه حل که ذره نام دارد با يک موقعيت و سرعت اوليه در فضاي جستجوي مسئله براي جستجوي راه حل بهينه پرواز و حرکت مينمايد.در الگوريتم بهينهسازي تجمعي ذرات هر ذره ، از حافظهاي جهت ذخيرهسازي بهترين موقعيت مکاني که درحين فرآيند جستجو و حرکت در فضاي جستجو به آن رسيده است، برخوردار مي باشد و به عنوان بهترين تجربه شخصي خود ، آن را به خاطر ميسپارد. هر ذره ، اين اطلاعات را براي ديگر ذرات موجود ارسال مينمايد و همچنين آنها نيز ميتوانند مشاهده نمايند که ديگر ذرات موجود در همسايگي در کجا بهترين موفقيت را داشتهاند و بدين صورت از بهترين موقعيت در همسايگي خود يا در کل فضاي راه حلها به عنوان بهترين تجربه ي گروهي آگاهي مي يابند. ذرات جمعيت ، در حين فرايند ، با انتقال و تبادل اطلاعات خود به يکديگر و با تنظيم و بهنگامسازي سرعت و موقعيتهاي خود، در فضاي جستجو حرکت مينمايند. به عبارتي الگوريتم بهينهسازي تجمعي ذرات، روش جستجوي محلي را ازطريق تجربه خود ذره با روشهاي جستجوي سراسري از طريق تجربه همسايگان ذره ترکيب مينمايد.
هريک از ذرات جمعيت سعي ميکنند به سمتي حرکت نمايندکه بهترين تجربههاي شخصي و گروهي در آن نقاط روي داده است.سپس اين ذرات در فضاي جستجو حرکت مينمايند، و نتايج حاصله برمبناي يک معيار شايستگي براساس تابع هدف پس از هر بازه زماني محاسبه ميگردد.يک فرايند تکراري با ارزيابي معيار شايستگي ذرات براي بهبود کانديداها به عنوان بهترين تجربه گروهي در طي حرکت ذرات در نظر گرفته شده و با گذشت زمان، ذرات به سمت بهترين تجربه گروهي که داراي معيار شايستگي بالاتري هست، شتاب ميگيرند و با تاثير پذيري از بهترين ذره جمعيت ، سرانجام به آن نزديک ميشوند.
الگوریتم بهینه سازی تجمعی ذرات Particle Swarm Optimization PSO Algorithm
کد متلب آماده اجرا