Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/28818
metadata.artigo.dc.title: Simplified particle swarm optimization algorithm
metadata.artigo.dc.title.alternative: Algoritmo simplificado de otimização de enxame de partículas
metadata.artigo.dc.creator: Santos, Ricardo Paupitz Barbosa dos
Martins, Carlos Humberto
Santos, Fábio Lúcio
metadata.artigo.dc.subject: Optimization
Swarm intelligence
Global minimum
Algorithm
Otimização
Inteligência de enxame
Mínimo global
Algoritmo
metadata.artigo.dc.publisher: Universidade Estadual de Maringá
metadata.artigo.dc.date.issued: 2012
metadata.artigo.dc.identifier.citation: SANTOS, R. P. B. dos; MARTINS, C. H.; SANTOS, F. L. Simplified particle swarm optimization algorithm. Acta Scientiarum. Technology, Maringá, v. 34, n. 1, p. 21-25, Jan./Mar. 2012.
metadata.artigo.dc.description.resumo: Formigas e abelhas são consideradas insetos sociais, os quais apresentam notáveis habilidades que podem ser empregadas, como inspiração, na solução de complexos problemas de otimização. Portanto, este trabalho apresenta um novo algoritmo o qual pode ser entendido como uma versão simplificada do conhecido Otimização por Enxame de partículas (Particle Swarm Optimization - PSO). O algoritmo proposto permite a redução do esforço computacional e a obtenção de um desempenho considerável na otimização de funções não-lineares. Foram utilizadas quatro funções não-lineares de referência, como Esférica, Schwefel, Schaffer e Ackley, para teste e validação da nova proposta. Alguns resultados simulados são apresentados para ilustrar a eficiência do algoritmo proposto.
metadata.artigo.dc.description.abstract: Real ants and bees are considered social insects, which present some remarkable characteristics that can be used, as inspiration, to solve complex optimization problems. This field of study is known as swarm intelligence. Therefore, this paper presents a new algorithm that can be understood as a simplified version of the well known Particle Swarm Optimization (PSO). The proposed algorithm allows saving some computational effort and obtains a considerable performance in the optimization of nonlinear functions. We employed four nonlinear benchmark functions, Sphere, Schwefel, Schaffer and Ackley functions, to test and validate the new proposal. Some simulated results were used in order to clarify the efficiency of the proposed algorithm.
metadata.artigo.dc.identifier.uri: http://periodicos.uem.br/ojs/index.php/ActaSciTechnol/article/view/9679
http://repositorio.ufla.br/jspui/handle/1/28818
metadata.artigo.dc.language: en_US
Appears in Collections:DEG - Artigos publicados em periódicos

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.