دراین بخش مروری بسیار سریع از الگوریتم بهینه سازی ذرات همگن خواهد که توسط بهینه سازی ازدحام ذرات ناهمگن استفاده می شود که در مدل بهینه سازی ازدحام ذرات را شامل می شوند که در اکتشاف و رفتارهای بهره برداری آنها متفاوت است. توجه داشته باشید که این بررسی گسترده ای از الگوریتم بهینه سازی ازدحام ذرات همگن نیست.

 

 

۲-۱ روش مرسوم و به روز رسانی سرعت

بهینه سازی ذرات در یک توپولوژی ستاره همسایه فرضی به شرح زیر داده شده است.

که در آن xij (t) ، yij (t) و ˆyj(t) به ترتیب موقعیت ذره i’s بهترین موقعیت شخصی وبهترین موقعیت جهانی در ابعاد j و در زمان t است. ثابت c1 و c2 ضرایب شتاب، و r1j (t), r2j (t) ∼ U(0, 1) ، در بالا W وزن اینرسی است.

معادله ۱ ، در نتیجه ذرات با تعادل در شناسای و استخراج با توجه به مقادیر پارامترها، W، c1 و c2 است. برای اهداف این مقاله، C1 است در ابتدا به یک مقدار بزرگتر از C2 تنظیم شده است. با گذشت زمان، C1 خطی کاهش می یابد، در حالی که C2 به صورت خطی افزایش یافته است [۱۲] . این شناسایی در طول مراحل اولیه تمرکز، حرکت به سمت استخراج بیشتر و افزایش تعداد تکرارها است.

۲-۲ مدل فقط شناختی

فقط شناختی بروز رسانی سرعت [۶] حذف مولفه های اجتماعی از معادله ]۱[، منجر به

بروز رسانی در همان موقعیت مانند معادله شماره ۲ استفاده می شود. در مدل فقط شناخت نتایج بیشتری شناسایی می شود با توجه به این واقعیت است که هر ذره یک hill-climber می شود.

۲-۳ مدل فقط اجتماعی

اجتماعی تنها به روز رسانی سرعت [۶] حذف جزء های شناختی از معادله شماره ۱ ، منجر به

بروز رسانی در همان موقعیت به عنوان در معادله شماره ۲ استفاده می شود، در مدل فقط شناختی نتایج در شناسایی سریعتر بوده است .

۲-۴ Barebones PSO

Kennedy   [۷] توسعه داد بهینه سازی   Barebones ، که در آن سرعت با جایگزین

 

 

جایی که σ = |yij(t) ˆyj(t)|   . موقعیت تغییرات به روز رسانی به

 

 

توجه داشته باشید که سرعت دیگر به عنوان یک اندازه گام عمل می کند، اما موقعیت واقعی جدید از ذرات، نمونه برداری شده از توزیع گاوسی بالا است. Barebones PSO شناسایی آسان اولیه و انحرافات بزرگ (در ابتدا، بهترین پوزیشن های شخصی به دور از بهترین موقعیت جهانی) است. همانطور که تعداد تکرارها را افزایش می دهد، انحراف نزدیک به صفر، تمرکز بر بهره برداری به طور متوسط از بهترین شخصی و موقعیت های جهانی بهترین است.