1- We ¯rst randomly choose two part

1- We ¯rst randomly choose two particles out of the population which
excludes the particle whose velocity is updated.
2- We compare the ¯tness values of these two particles' pbest's and
select the better one. In CLPSO, we de¯ne the ¯tness value the
larger the better, which means that when solving minimization
problems, we will use the negative function value as the ¯tness
values.
3- We use the winner's pbest as the exemplar to learn from for that
dimension. If all exemplars of a particle are its own pbest, we will
randomly choose one dimension to learn from another particle's
pbest's corresponding dimension. The details of choosing fi(d) are
given in (Figure 3).

ผลลัพธ์ (ไทย) 1:

1 - เรา¯ RST สุ่มเลือกสองอนุภาคออกของประชากรซึ่งไม่รวม
อนุภาคที่มีความเร็วในการปรับปรุง
2 -. เราเปรียบเทียบค่า tness ¯จาก pbest ของทั้งสองอนุภาคและ
เลือกหนึ่งที่ดีกว่า ใน clpso เราเด¯ ne ค่า tness ¯
ขนาดใหญ่ที่ดีขึ้นซึ่งหมายความว่าเมื่อแก้ปัญหา
ลดเราจะใช้ค่าฟังก์ชั่นเชิงลบเป็น tness ¯ค่า
.
3 - เราใช้ของผู้ชนะ pbest เป็นแบบอย่างในการเรียนรู้จากมิติ
ที่ ถ้าโคลงทั้งหมดของอนุภาคมี pbest ของตัวเองเราจะสุ่มเลือก
อีกมิติหนึ่งที่จะเรียนรู้จากอนุภาคอื่น
มิติที่สอดคล้อง pbest ของ รายละเอียดของการเลือกสาย (ง)
จะได้รับใน (รูปที่ 3)

ผลลัพธ์ (ไทย) 2:

1-¯Rst อนุภาคสองจากประชากรที่เลือกสุ่มซึ่ง
แยกอนุภาคที่มีการปรับปรุงความเร็ว
2-เราเปรียบเทียบค่า ¯tness ของอนุภาคเหล่านี้สอง pbest และ
เลือกได้ดี ใน CLPSO เรา de¯ne ค่า ¯tness
ใหญ่ดีกว่า ซึ่งหมายความ ว่า เมื่อแก้ลดภาระ
ปัญหา เราจะใช้ค่าลบฟังก์ชันเป็นการ ¯tness
ค่า
3-ใช้ pbest ผู้ชนะเป็น exemplar ที่จะเรียนรู้จากที่
มิติ ถ้า exemplars ทั้งหมดของอนุภาคเป็น pbest ตัวเอง เราจะ
สุ่มเลือกหนึ่งมิติในการเรียนรู้จากอนุภาคอื่น
pbest ของมิติที่สอดคล้องกัน มีรายละเอียดของการเลือก fi(d)
ใน (รูปที่ 3)

ผลลัพธ์ (ไทย) 3:

1 - RST N ห้ามทำแบบสุ่มเลือกสองสิ่งสกปรกออกมาจากประชาชนซึ่งไม่รวมถึง
ซึ่งจะช่วยกรองฝุ่นละอองที่มีความเร็วจะได้รับการปรับปรุง.
2 - เราเปรียบเทียบค่า N ห้ามทำ tness ของ pbest 'สองเศษชิ้นส่วนเล็กๆเหล่านี้และ
เลือกหนึ่งที่ดีกว่า ใน clpso เรา de ¯ ทางด้านทิศตะวันออกเฉียงเหนือด้วยค่า N ห้ามทำ tness
ซึ่งจะช่วยให้มีขนาดใหญ่กว่าจะดีขึ้นซึ่งหมายความว่าเมื่อการแก้ปัญหา
ซึ่งจะช่วยลดปริมาณขยะการลดปัญหาเราจะใช้ค่าฟังก์ชันลบเป็น N ห้ามทำ tness
ค่า.
ที่3 - เราใช้ pbest ของผู้ได้รับรางวัลเป็นกําหนดปัญหาในการเรียนรู้จากสำหรับอุปกรณ์เสริมที่
หากตัวอย่างทั้งหมดของฝุ่นละอองจะ pbest ของตัวเองเราจะเลือกหนึ่งในการเรียนรู้จาก' sparticle อื่น
pbest ของขนาดที่เกี่ยวข้อง
แบบสุ่ม รายละเอียดของการเลือกไวน์ไฟร์( D )มี
ซึ่งจะช่วยให้มี(รูปที่ 3 )