انجمن کامپیوتر ایران

حرکت جمعی ذرات یک تکنیک بهینه‌سازی است که بر اساس قوانین احتمال کار می‌کند و از حرکت گروهی پرندگان و ماهی‌ها هنگامی که دنبال غذا می‌گردند، الهام گرفته شده است. در این روش هر یک از ذرات سعی می کنند به سمتی حرکت کنند که بهترین تجربه‌های شخصی و گروهی در آن نقاط روی داده است. مشکل اصلی این مدل که در بسیاری از مسائل، به خصوص مسائل چند قله‌ای بروز می‌کند، مسأله گیر افتادن در بهینه‌های محلی است. در این مقاله یک مدل جدید بر اساس PSO به نام پیشنهاد PSO-LA می‌شود که در آن از یک اتوماتای یادگیر برای تنظیم رفتار ذرات و برقراری موازنه بین جستجوی سراسری و جستجوی محلی استفاده می‌شود. نتایج آزمایشات بر روی مسائل نمونه نشان داده‌اند که روش ارائه شده از عملکرد بهتری در مقایسه با مدل PSO استاندارد برخوردار است.