الگوریتم بهینه سازی ازدحام ذرات یا Particle Swarm Optimizatoion (به اختصار PSO) یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.
در این فیلم آموزشی، روش هایی در خصوص چگونگی استفاده از الگوریتم PSO برای حل مسائل بهینه سازی گسسته (عدد صحیح) ارائه شده اند. این روش ها منحصر به الگوریتم PSO نیستند و می توان آن ها را با هر الگوریتم پیوسته دیگری، از جمله تکامل تفاضلی (DE) و الگوریتم رقابت استعماری (ICA) مورد استفاده قرار داد.
ادامه توضیحات و فیلم آموزشی در لینک زیر می باشد:
در این فیلم آموزشی، روش هایی در خصوص چگونگی استفاده از الگوریتم PSO برای حل مسائل بهینه سازی گسسته (عدد صحیح) ارائه شده اند. این روش ها منحصر به الگوریتم PSO نیستند و می توان آن ها را با هر الگوریتم پیوسته دیگری، از جمله تکامل تفاضلی (DE) و الگوریتم رقابت استعماری (ICA) مورد استفاده قرار داد.
ادامه توضیحات و فیلم آموزشی در لینک زیر می باشد: