Particle Swarm Optimization: differenze tra le versioni

Versione delle 16:33, 22 nov 2013

Versione attuale delle 15:48, 23 giu 2022

(6 versioni intermedie di 4 utenti non mostrate)

Riga 1:

{{F|programmazione|luglio 2011}}

[[File:PSO Meta-Fitness Landscape (12 benchmark problems).JPG|thumb|Esempio di funzionamento del PSO]]

In [[informatica]], lal''''ottimizzazione con sciami di particelle''', nota anche come '''particle swarm optimization''' ('''PSO'''), traducibile come "ottimizzazione con sciami di particelle", è un [[algoritmo]] di ottimizzazione e appartiene ad una particolare classe di algoritmi utilizzati in diversi campi, tra cui l'[[intelligenza artificiale]]. È un metodo [[euristico]] di ricerca ed ottimizzazione, ispirato al movimento degli [[Formazione a sciame|sciami]].

Ad ogni iterazione, l'algoritmo identifica un nuovo "candidato all'ottimo" nello spazio di ricerca, sulla base di una specifica [[misura di qualità]] (fitness). La PSO rientra nell'egida delle meta-euristiche, poiché non fa alcuna assunzione sul problema e consente l'esplorazione di larghissimi spazi di soluzioni. Per come è strutturato l'algoritmo, tuttavia, non c'è alcuna garanzia che la soluzione ottima verrà mai trovata.

Riga 11:

La PSO è generalmente attribuita a Kennedy, Eberhart and Shi,<ref>Kennedy, J.; Eberhart, R. (1995). "Particle Swarm Optimization". Proceedings of IEEE International Conference on Neural Networks. IV. pp. 1942–1948.</ref> che la introdussero nello studio dei comportamenti sociali simulati, studiando il movimento degli stormi di uccelli o dei banchi di pesci. L'algoritmo fu semplificato quando si comprese che poteva effettuare ottimizzazione.

Anche l'algoritmo del PSO puo'può essere implementato per risolvere dei problemi di ottimizzazione multiobiettivo, dove il [[Ottimo paretiano|fronte di Pareto]] aiuta a scegliere le soluzioni ottimali del problema.<ref name=coellocoello02MOPSO>Coello Coello, Salazar Lechuga, "MOPSO: A Proposal for Multiple Objective Particle Swarm Optimization", Congress on Evolutionary Computation (CEC'2002), pp. 1051--1056</ref><ref name=parsopoulos02particle>Parsopoulos K., Vrahatis M., "Particle swarm optimization method in multiobjective problems", Proceedings of the ACM Symposium on Applied Computing (SAC), 2002, pp. 603–607</ref>

==Note==

Riga 18:

==Voci correlate==

* [[Algoritmo genetico]]

== Altri progetti ==

{{interprogetto}}

{{Genetica}}

{{Apprendimento automatico}}

{{Portale|ingegneria|statistica|informatica|Biologia|matematica}}

[[Categoria:Intelligenza artificiale]]