AI Summary & Key Takeaways
AI InsightThe results show that the PSO, in most problems, is able to find much better solutions and better convergence compared to other two algorithms
📌 3 Key Takeaways
Abstract
Many optimization techniques used in solving optimization problems has been developed by inspiring from the events in nature. Particle Swarm Optimization (PSO) algorithm is a population based optimization technique inspired by social behavior of bird flocking and fish schooling. In this paper, PSO is compared with Genetic Algorithms and Differential Evolution Algorithm by using test functions. The results show that the PSO, in most problems, is able to find much better solutions and better convergence compared to other two algorithms
Özet
Optimizasyon problemlerinin çözümü için kullanılan bir çok optimizasyon tekniği doğadaki olaylardan esinlenilerek geliştirilmiştir. Parçacık Sürü Optimizasyonu (PSO), kuş ve balık sürülerinin sosyal davranışları gözlemlenerek geliştirilen popülasyon temelli bir optimizasyon algoritmasıdır. Bu makalede PSO ile Genetik Algoritma (GA) ve Diferansiyel Evrim Algoritmasının(DEA) performansları, test fonksiyonları kullanılarak karşılaştırılmaktadır. Elde edilen sonuçlardan, PSO nun her iki algoritmaya göre yakınsama hızı ve performans bakımından daha iyi çözümler ürettiği görülmektedir.