Die Partikelschwarmoptimierung (PSO) wurde ursprünglich 1995 von Kennedy und Eberhart [1] als Werkzeug zur Optimierung nichtlinearer Funktionen eingeführt. Der Algorithmus versucht, das Verhalten von Tieren nachzuahmen, die bei der Nahrungssuche in Gruppen kooperieren. Entsprechend dieser Eigenschaft kann dieser Algorithmus in den Bereich der Schwarmintelligenz eingeordnet werden.
Die PSO basiert jedoch nicht nur auf sozialer Interaktion. Shi und Eberhart erwähnten in [2], dass die Entscheidungsgleichung des Algorithmus aus 3 Teilen besteht, wobei der zweite Teil die Entscheidung hinsichtlich der persönlich besten Lage des Partikels im Auslegungsraum beeinflusst. Dieser Teil wird auch als kognitiver Anteil bezeichnet und stellt das eigene Denken eines Partikels dar. Aus diesem Grund kann die PSO auch als eine Methode der künstlichen Intelligenz bezeichnet werden. Die PSO versucht, ein Ziel (Finde das Minimum) mit Berücksichtigung des Umfelds durch eigenes Denken zu erreichen, das der Definition in [3] entspricht.
Anwendung im Programm
Das Add-On "Optimierung & Kosten / CO2-Emissionsabschätzung" nutzt zur Findung einer optimalen Belegung der globalen Parameter die Partikelschwarmoptimierung.