This dissertation is a study on the

This dissertation is a study on the use of swarm methods for optimization,
and is divided into three main parts. In the rst part, two novel swarm metaheuristic
algorithms|named Survival Sub-swarms Adaptive Particle Swarm Op-
timization (SSS-APSO) and Survival Sub-swarms Adaptive Particle Swarm Opti-
mization with velocity-line bouncing (SSS-APSO-vb)|are developed. These new
algorithms present self-adaptive inertia weight and time-varying adaptive swarm
topology techniques. The objective of these new approaches is to avoid premature
convergence by executing the exploration and exploitation stages simultaneously.
Although proposed PSOs are fundamentally based on commonly modeled behaviors
of swarming creatures, the novelty is that the whole swarm may divide into
many sub-swarms in order to nd a good source of food or to
ee from predators.
This behavior allows the particles to disperse through the search space (diversi-
cation) and the sub-swarm with the worst performance dies out while that the
best performance grows by producing ospring. The tendency of an individual
particle to avoid collision with other particles by means of simple neighborhood
rules is retained in this algorithm. Numerical experiments show that the new
approaches outperform other competitive algorithms by providing the best solutions
on a suite of standard test problem with a much higher consistency than the
algorithms compared

ผลลัพธ์ (ไทย) 2:

วิทยานิพนธ์ฉบับนี้คือการศึกษาเกี่ยวกับการใช้วิธีฝูงสำหรับการเพิ่มประสิทธิภาพการและแบ่งออกเป็นสามส่วนหลัก
ในส่วนแรกทั้งสองฝูงนวนิยาย metaheuristic
อัลกอริทึม | ชื่ออยู่รอดฝูง Sub-Adaptive ฝูงอนุภาค Op-
timization (SSS-Apso) และการอยู่รอดฝูง Sub-Adaptive ฝูงอนุภาคเหมาะสมที่สุด
mization ใหญ่ด้วยความเร็วสาย (SSS-Apso-VB) | ได้รับการพัฒนา ใหม่เหล่านี้ขั้นตอนวิธีการในปัจจุบันน้ำหนักความเฉื่อยตนเองปรับตัวและใช้เวลาที่แตกต่างกันการปรับตัวฝูงเทคนิคโครงสร้าง วัตถุประสงค์ของแนวทางใหม่ ๆ เหล่านี้คือการหลีกเลี่ยงการคลอดก่อนกำหนดบรรจบกันโดยการดำเนินการสำรวจและการแสวงหาผลประโยชน์ขั้นตอนพร้อมกัน. แม้ว่า PSOs เสนอเป็นไปตามพื้นฐานพฤติกรรมรูปแบบทั่วไปของสิ่งมีชีวิตจับกลุ่มแปลกก็คือฝูงทั้งหมดอาจแบ่งออกเป็นฝูงย่อยจำนวนมากในการสั่งซื้อไปครั้งที่เป็นแหล่งที่ดีของอาหารหรือee จากการล่า. พฤติกรรมนี้จะช่วยให้อนุภาคที่จะแยกย้ายกันผ่านพื้นที่ค้นหา (diversi- ไอออนบวก) และย่อยฝูงที่มีประสิทธิภาพการทำงานที่เลวร้ายที่สุดที่ตายออกในขณะที่ประสิทธิภาพการทำงานที่ดีที่สุดเจริญเติบโตโดยการผลิตo? ฤดูใบไม้ผลิ แนวโน้มของบุคคลอนุภาคเพื่อหลีกเลี่ยงการชนกับอนุภาคอื่น ๆ โดยวิธีการที่เรียบง่ายของพื้นที่ใกล้เคียงกฎจะถูกเก็บไว้ในขั้นตอนวิธีนี้ การทดลองแสดงให้เห็นว่าตัวเลขใหม่วิธีการขั้นตอนวิธีมีประสิทธิภาพสูงกว่าการแข่งขันอื่น ๆ โดยการให้โซลูชั่นที่ดีที่สุดในชุดของปัญหาการทดสอบมาตรฐานที่มีความมั่นคงสูงกว่าขั้นตอนวิธีการเทียบ

ผลลัพธ์ (ไทย) 3:

วิทยานิพนธ์ฉบับนี้ศึกษาเกี่ยวกับการใช้วิธีการจับกลุ่มเพื่อเพิ่มประสิทธิภาพ
และแบ่งออกเป็นสามส่วนหลัก ในส่วน  RST , สองนวนิยายรุมเมต้า วริสติค
ขั้นตอนวิธี | ชื่อรอดฝูงย่อยแบบฝูงอนุภาค OP -
timization ( sss-apso ) และการอยู่รอดฝูงย่อยแบบฝูงอนุภาค OPTI -
mization กับความเร็วเส้นใหญ่ ( SSS apso VB ) | พัฒนาขึ้น
ใหม่เหล่านี้ขั้นตอนวิธี self-adaptive ความเฉื่อยและน้ำหนักปัจจุบันเกิดการปรับตัวจับกลุ่ม
แบบเทคนิค วัตถุประสงค์ของวิธีการใหม่เหล่านี้เพื่อหลีกเลี่ยงการบรรจบกันก่อน
โดยการสำรวจ และขั้นตอนการเสนอพร้อมกัน
ถึงแม้ว่า psos พื้นฐานตามแบบของพฤติกรรมปกติ
การจับกลุ่มสิ่งมีชีวิตแปลกที่ฝูงทั้งหมดอาจแบ่ง
ฝูงย่อยหลาย เพื่อที่จะ  ND เป็นแหล่งที่ดีของอาหารหรือ

เอ จากผู้ล่า พฤติกรรมนี้จะช่วยให้อนุภาคกระจายผ่านการค้นหาอวกาศ ( DIVERSI -
 Cation ) และย่อยห้อมล้อมด้วยการแสดงที่เลวร้ายที่สุดตายออกในขณะที่ประสิทธิภาพดีที่สุด
o  เติบโตโดยการผลิตสปริง แนวโน้มของอนุภาคแต่ละ
เพื่อหลีกเลี่ยงการชนกับอนุภาคอื่น ๆโดยวิธีการของ
บ้านง่ายกฎที่ถูกเก็บไว้ในวิธีนี้ การทดลองเชิงตัวเลขแสดงให้เห็นว่าวิธีการใหม่
outperform แข่งขันอื่น ๆโดยขั้นตอนวิธีการให้บริการโซลูชั่นที่ดีที่สุด
ในชุดของปัญหาการทดสอบมาตรฐานที่มีความสอดคล้องมากสูงกว่า
ขั้นตอนวิธีการเปรียบเทียบ