Метод роя частиц: концепция, алгоритм и анализ практического применения в задачах оптимизации
Ключевые слова:
метод роя частиц, оптимизация, метаэвристика, искусственный интеллект, численные методы, адаптивное управлениеАннотация
В мире информационных технологий, где алгоритмы и модели продолжают стремительно развиваться, возникает вопрос: как можно использовать принципы коллективного поведения животных для улучшения эффективности вычислительных процессов? Ответ на этот вопрос лежит в основе концепции роевых алгоритмов - инновационной области, которая сочетает в себе биологию, математическую оптимизацию и искусственный интеллект.
Статья посвящена методу роя частиц (Particle Swarm Optimization, PSO) - современному метаэвристическому алгоритму оптимизации. Рассматриваются теоретические основы метода, его математическая модель и практическое применение в различных областях. Особое внимание уделяется преимуществам и ограничениям метода, а также его перспективам развития в контексте современных задач оптимизации.
Библиографические ссылки
Microsoft Learn: Particle Swarm Optimization. URL: https://learn.microsoft.com/ru-ru/archive/msdn-magazine/2011/august/artificial-intelligence-particle-swarm-optimization (дата обращения 25.10.24).
Jenyay.net: Введение в алгоритм роя частиц. URL: https://jenyay.net/Programming/ParticleSwarm#intro (дата обращения 27.10.24).
MetaQuotes Language 5: Основы метода роя частиц. URL: https://www.mql5.com/ru/articles/11386?ysclid=m2vtpjx7b2293761832 (дата обращения 29.10.24).
VisualStudioMagazine.com: Обучение нейронных сетей с помощью метода роя частиц. URL: https://visualstudiomagazine.com/articles/2013/12/01/neural-network-training-using-particle-swarm-optimization.aspx (дата обращения 30.10.24).
Kennedy, J., Eberhart, R. Particle Swarm Optimization. Proceedings of IEEE International Conference on Neural Networks. 1995.
Poli, R., Kennedy, J., Blackwell, T. Particle Swarm Optimization: An Overview. Swarm Intelligence. 2007.
Акопов A.C., Зарипов Е.А., Мельников А.М. Адаптивное управление транспортной инфраструктурой в городской среде с использованием генетического алгоритма вещественного кодирования // Бизнес-информатика. 2024. Т. 18. № 2. С. 48–66. DOI: 10.17323/2587-814X.2024.2.48.66.
Имитационное моделирование и оптимизация транспортных потоков в локальных участках уличной дорожной сети с использованием системы AnyLogic / Е. А. Зарипов, А. М. Мельников, А. С. Акопов // Информационные технологии. – 2024. – Т. 30, № 4. DOI: 10.17587/it.30.183-189.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Молодёжный вестник Новороссийского филиала Белгородского государственного технологического университета им. В. Г. Шухова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
Copyright information
Тексты данной электронной статьи защищены (cc) Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported License.
Вы можете свободно:
Делиться (You are free: to Share) – копировать, распространять и передавать другим лицам данную электронную книгу при обязательном соблюдении следующих условий:
– Атрибуция (Attribution) – Вы должны атрибутировать произведения (указывать автора и источник) в порядке, предусмотренном автором или лицензиаром (но только так, чтобы никоим образом не подразумевалось, что они поддерживают вас или использование вами данного произведения).
– Некоммерческое использование (Noncommercial use) – Вы не можете использовать эти произведения в коммерческих целях.
– Без производных произведений – Вы не можете изменять, преобразовывать или брать за основу эту электронную книгу или отдельные произведения.
Licensed under the Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported License.
To view a copy of this license, visit https://creativecommons.org/licenses/by-nc-nd/4.0/
or send a letter to Creative Commons, 444 Castro Street, Suite 900, Mountain View, California, 94041, USA.
You are free:
to Share — to copy, distribute and transmit the work
Under the following conditions:
Attribution — You must attribute the work in the manner specified by the author or licensor (but not in any way that suggests that they endorse you or your use of the work).
Non-commercial — You may not use this work for commercial purposes.
No Derivative Works — You may not alter, transform, or build upon this work.
Any of the above conditions can be waived if you get permission from the copyright holder.
