الگوریتم PSO یا Particle Swarm Optimization که به نام های الگوریتم انبوه ذرات، الگوریتم ازدحام ذرات و الگوریتم پرندگان نیز مشهور است، یکی از الگوریتم های بسیار پر کاربرد در زمینه بهینه سازی استاتیک و دینامیک است. این الگوریتم سرعت همگرایی مناسبی دارد و در اغلب کاربردها، به عنوان گزینه اول مورد استفاده قرار می گیرد. با وجود قدمت 14 ساله این الگوریتم، که در مقایسه با عمر الگوریتم ژنتیک بسیار کمتر است، گرایش به سمت این الگوریتم قدرتمند، هر روز بیشتر و بیشتر می شود.
روش های متعددی در خصوص برخورد با قیدها در مسائل بهینه سازی وجود دارد. روشی که در اکثرکاربردها جواب مناسبی داده است، به صورت یک الگوریتم هم-تکاملی یا Co-evolutionary است که هم برای الگوریتم های ژنتیک و هم برای الگوریتم PSO مورد استفاده قرار گرفته است.

مثلا برای الگوریتم PSO:
در این روش، دو الگوریتم PSO ایجاد شده اند که یکی در درون دیگری است. PSO بیرونی، وزن های مربوط به اهمیت قیود را تنظیم می کند و PSO درونی به ازای هر دسته از وزن های تعیین شده برای قیود، اقدام به بهینه سازی مقدار تابع هدف می کند. تابع هدف مورد استفاده در PSO درونی، یک تابع هدف تغییر یافته است.
شما می توانید این مقاله را از لینک زیر دانلود کنید:


cpso.zip