การพัฒนาวิธีการหาค่าที่ดีที่สุดแบบพาร์ทิเคิลสวอมออฟทิไมเซชั่น ด้วยการเลียนแบบโครงสร้างการเรียนรู้ทางสังคมแบบหลากหลาย (PARTICLE SWARM OPTIMIZATION ALGORITHMS WITH MULTIPLE SOCIAL LEARNING STRUCTURES)

Abstract

บทคัดย่อ

      วิธีการหาค่าที่ดีที่สุดแบบพาร์ทิเคิลสวอมออฟทิไมเซชั่น (PSO) จัดเป็นวิธีการค้นหาแบบสุ่มโดยอาศัยจุดเริ่มต้นหลายจุดซึ่งอาศัยหลักการที่ประยุกต์มาจากหลักการทางจิตวิทยาสังคม PSO แสดงให้เราเห็นถึงพฤติกรรมทางสังคมได้ดีพอๆ กับการใช้งานในการแก้ไขปัญหาของวิศวกรรม โดยเฉพาะอย่างยิ่ง PSO ช่วยในการหาค่าที่ดีที่สุดในปัญหายากๆ ได้อย่างมีประสิทธิภาพและรวดเร็ว ในช่วงหลายปีที่ผ่านมา นักวิจัยมีความพยายามที่จะเพิ่มขีดความสามารถของ PSO โดยการปรับปรุงและพัฒนา PSO โดยการเลียนแบบโครงสร้างการเรียนรู้ทางสังคมแบบต่างๆ บทความวิชาการฉบับนี้ได้ทำการสรุป PSO ในรูปแบบต่างๆ ที่มีการเลียนแบบโครงสร้างการเรียนรู้ทางสังคมที่แตกต่างกัน

Abstract

     Particle swarm optimization (PSO) is a population-based stochastic search algorithm based on social-psychological principles. It provides insights into social behaviors as well as contributions to engineering applications, widely used as a powerful optimization technique. In recent years, the researchers have attempted to enhance the performance of PSO by improving its social learning structures. This paper summarizes several PSO versions based on different social learning structures.