Adaptivní algoritmus PSO s hodnocením výkonnosti částic

Abstract

V této diplomové práci se věnujeme rojovému metaheuristickému algoritmu PSO, který je využíván k řešení složitých optimalizačních problémů. Navrhujeme metody měření výkonnosti částic a různými způsoby upravujeme chování nevýkonných částic za účelem zvýšení efektivity algoritmu. Varianty algoritmu testujeme na testovací sadě CEC 2017 ve všech dimenzích, které tato sada podporuje. Nejefektivnější z vytvořených variant porovnáváme se zástupci moderních algoritmů. Výsledky provedených měření ukazují, že některé vytvořené varianty dosahují lepších výsledků než standardní verze algoritmu. Zlepšení je nejvýraznější v deseti dimenzích a postupně se se zvyšováním dimenzionality snižuje. Ve srovnání s nejlepšími zástupci moderních metod jsou však vytvořené varianty stále pozadu.