La optimización por enjambre de partículas (PSO) es un método de inteligencia artificial. Sie wurde 1995 von Kennedy und Eberhart [1] ursprünglich 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 erwähnen in [2], dass die Entscheidungsgleichung des Algorithmus aus drei Teilen besteht. Dabei beeinflusst der zweite Teil die Entscheidung hinsichtlich der persönlich besten Lage des Partikels im Auslegungsraum. 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 die Partikelschwarmoptimierung, um eine optimalen Belegung der globalen Parameter zu finden.
Referencias
[1] J. Kennedy und R. Eberhart, "Particle swarm optimization," Proceedings of ICNN'95 - International Conference on Neural Networks, 1995, pp. 1942-1948 vol.4, doi: 10.1109/ICNN.1995.488968.
[2] Y. Shi und R. Eberhart, "A modified particle swarm optimizer," 1998 IEEE International Conference on Evolutionary Computation Proceedings. IEEE World Congress on Computational Intelligence (Cat. No 98TH8360), 1998, pp. 69-73, doi: 10.1109/ICEC.1998.699146.
[3] Wikipediabeitrag, 'Artificial intelligence', Wikipedia, The Free Encyclopedia, 28 March 2022, 09:36 UTC