where C1 and C2 are two positive co

where C1 and C2 are two positive constants named learning factors. rand1 and rand2 are two random functions in the range [0, 1]. w is an inertia weight to control the impact of the previous history of velocities on the current velocity. The operator w plays the role of balancing the global search and the local search; and was proposed to decrease linearly with time from a value of 1.4–0.5. As such, global search starts with a large weight and then decreases with time to favor local search over global search. When the number of iterations is equal to the total number of particles, goal is compared with the error produced by the GBest weights. If the error produced by the GBest weights are less than or equal to the goal, weights in the GBest are used for testing and prediction. Otherwise weights of minimum error are stored in GBest and the iterations are repeated until goal reached.

ผลลัพธ์ (ไทย) 1:

ที่ C1 และ C2 จะคงบวกสองชื่อปัจจัยการเรียนรู้ rand1 และ rand2 มีสองฟังก์ชันที่สุ่มในช่วง [0, 1] w คือ น้ำหนักมีความเฉื่อยเพื่อควบคุมผลกระทบของตะกอนบนความเร็วปัจจุบันประวัติก่อนหน้านี้ W ดำเนินบทบาทของดุลการค้นหาและการค้นหาท้องถิ่น และได้ถูกเสนอเพื่อลดเวลาจาก 1.4 – 0.5 ค่าเชิงเส้น เช่น การค้นหาเริ่มต้น ด้วยน้ำหนักขนาดใหญ่ และลดแล้ว มีเวลาชอบค้นหาท้องถิ่นผ่านการค้นหา เมื่อจำนวนการเกิดซ้ำมีค่าเท่ากับจำนวนของอนุภาค เป้าหมายถูกเปรียบเทียบกับข้อผิดพลาดการผลิต โดยน้ำหนัก GBest ถ้าข้อผิดพลาดผลิต โดย GBest น้ำหนักน้อยกว่า หรือเท่ากับเป้าหมาย น้ำหนักใน GBest ที่ใช้สำหรับทดสอบและทำนาย หรือน้ำหนักของข้อผิดพลาดน้อยที่สุดจะถูกเก็บใน GBest และซ้ำที่มีการทำซ้ำจนกว่าจะถึงเป้าหมาย

ผลลัพธ์ (ไทย) 2:

ที่ C1 และ C2 มีสองค่าคงที่บวกชื่อปัจจัยการเรียนรู้ rand1 และ rand2 สองฟังก์ชั่นแบบสุ่มในช่วง [0, 1] W มีน้ำหนักแรงเฉื่อยในการควบคุมผลกระทบของประวัติศาสตร์ก่อนหน้าของความเร็วบนความเร็วในปัจจุบัน ผู้ประกอบการกบทบาทของสมดุลค้นหาทั่วโลกและการค้นหาในท้องถิ่น; และได้รับการเสนอให้ลดลงเป็นเส้นตรงกับเวลาจากมูลค่าของ 1.4-0.5 เช่นการค้นหาทั่วโลกเริ่มมีน้ำหนักมากและจากนั้นลดลงตามเวลาที่จะสนับสนุนการค้นหาในท้องถิ่นมากกว่าการค้นหาทั่วโลก เมื่อจำนวนซ้ำเท่ากับจำนวนรวมของอนุภาคเป้าหมายคือเมื่อเทียบกับข้อผิดพลาดที่เกิดจากน้ำหนัก gbest ถ้าข้อผิดพลาดที่เกิดจากน้ำหนัก gbest น้อยกว่าหรือเท่ากับเป้าหมายน้ำหนักใน gbest ถูกนำมาใช้สำหรับการทดสอบและการทำนาย มิฉะนั้นน้ำหนักของข้อผิดพลาดขั้นต่ำจะถูกเก็บไว้ใน gbest ซ้ำและมีการทำซ้ำจนกว่าจะถึงเป้าหมาย

ผลลัพธ์ (ไทย) 3:

ที่ C1 และ C2 เป็นสองบวกค่าคงที่ชื่อการเรียนรู้ปัจจัย และ rand1 rand2 สองสุ่มฟังก์ชันในช่วง [ 0 , 1 ] น้ำหนักเป็นน้ำหนักความเฉื่อยเพื่อควบคุมผลกระทบของประวัติศาสตร์ก่อนหน้าของความเร็วบนความเร็วปัจจุบัน ผู้ประกอบการในบทบาทของความสมดุลของการค้นหาและการค้นหาในท้องถิ่น และยังเสนอให้ลดน้ำหนักกับเวลาจากมูลค่า 1.4 – 0.5เช่น การค้นหาเริ่มต้นด้วยน้ำหนักขนาดใหญ่แล้วลดลงตามระยะเวลาและโปรดปรานค้นหาท้องถิ่นกว่าการค้นหาทั่วโลก เมื่อจำนวนรอบเท่ากับจำนวนของอนุภาคเป้าหมายเปรียบเทียบกับข้อผิดพลาดที่ผลิตโดยน้ำหนัก gbest . หากข้อผิดพลาดที่ผลิตโดยน้ำหนัก gbest น้อยกว่าหรือเท่ากับเป้าหมาย น้ำหนัก ใน gbest ใช้สำหรับการทดสอบและทำนาย .มิฉะนั้นน้ำหนักของข้อผิดพลาดน้อยที่สุดจะถูกเก็บไว้ใน gbest และการทำซ้ำที่ซ้ำจนกว่าเป้าหมายถึง