potentialsolutions to the problem.

potential
solutions to the problem. Each particle embeds the relevant
information regarding the design variables and associated fitness
values providing an indication of its performance in the objective
space. Each particle flies through the search space and updates its
position based on the best position visited by the particle itself (local
best) and by the best among the neighbors of the particle (global
best). Compared to the other population-based algorithms such as
genetic algorithms, PSO has very few parameters to adjust, which
makes it particularly easy to implement. Nevertheless it has difficulties
in controlling the balance between exploration and exploitation.
Consequently, PSO has disadvantage of premature convergence. It
has been pointed out that PSO may outperform other evolutionary
algorithms in the early iterations; however, its performance may
not be competitive as the number of generations is increased [22].
Therefore several investigations have been undertaken to improve
the performance of standard PSO [19,23].

ผลลัพธ์ (ไทย) 1:

ศักยภาพวิธีแก้ปัญหา แต่ละอนุภาคฝังเกี่ยวข้องข้อมูลเกี่ยวกับตัวแปรการออกแบบการออกกำลังกายที่เกี่ยวข้องค่าบริการการบ่งชี้ผลการดำเนินงานในวัตถุประสงค์พื้นที่ แต่ละอนุภาคลอยผ่านพื้นที่ค้นหาและปรับปรุงการตำแหน่งตามตำแหน่งสุดที่เยี่ยมชม ด้วยอนุภาคเอง (ภายในเครื่องดีที่สุด) และดีที่สุดในหมู่บ้านของอนุภาค (ส่วนกลางดีที่สุด) เมื่อเทียบกับอื่น ๆ ประชากรตามอัลกอริทึมเช่นอัลกอริทึมทางพันธุกรรม PSO มีพารามิเตอร์น้อยมากการปรับปรุง ที่อย่างสะดวกโดยเฉพาะอย่างยิ่งการใช้ อย่างไรก็ตาม มีความยากลำบากในการควบคุมสมดุลระหว่างการสำรวจและแสวงหาประโยชน์ดังนั้น PSO ได้ข้อเสียของการบรรจบกันก่อนวัยอันควร มันมีการชี้ให้เห็นว่า PSO อาจมีประสิทธิภาพสูงกว่าอื่น ๆ วิวัฒนาการอัลกอริทึมในการทำซ้ำต้น อย่างไรก็ตาม มันอาจไม่ได้แข่งขันเป็นจำนวนรุ่น เพิ่มขึ้น [22]ดังนั้น การดำเนินสอบสวนหลายการปรับปรุงประสิทธิภาพของมาตรฐาน PSO [19,23]

ผลลัพธ์ (ไทย) 3:

ศักยภาพ
แก้ไขปัญหา . แต่ละอนุภาครวมข้อมูลที่เกี่ยวข้องเกี่ยวกับตัวแปรที่เกี่ยวข้องกับการออกแบบ

ค่าฟิตเนสให้ข้อบ่งชี้ของการแสดงตนในวัตถุประสงค์
พื้นที่ แต่ละอนุภาคบินผ่านการค้นหาพื้นที่และปรับปรุงตำแหน่ง
ขึ้นอยู่กับตำแหน่งที่ดีที่สุดเยี่ยมชม โดยอนุภาคนั่นเอง (
ท้องถิ่นที่ดีที่สุดและดีที่สุดในหมู่เพื่อนบ้านของอนุภาค ( Global
ดีที่สุด ) เมื่อเทียบกับอื่น ๆเช่น
- ตามจำนวนประชากรขั้นตอนวิธีขั้นตอนวิธีพันธุกรรม ระบบได้น้อยมากที่จะปรับค่าพารามิเตอร์ซึ่ง
ทำให้ง่ายโดยเฉพาะอย่างยิ่งที่จะใช้ . แต่มันมีความยากลำบากในการควบคุมความสมดุลระหว่างการสำรวจ

และการเอารัดเอาเปรียบ ดังนั้นออนไลน์มีข้อเสียของการบรรจบกันก่อน . มัน
ได้ชี้ให้เห็นว่าระบบอาจจะ outperform คนแรกของหัวใจ คนสุดท้ายของชีวิต
อื่น ๆ ในรอบแรก อย่างไรก็ตาม ประสิทธิภาพอาจ
ไม่แข่งขันเป็นจำนวนรุ่นเพิ่มขึ้น [ 22 ] .
ดังนั้นหลายการสืบสวนการแลก เพื่อปรับปรุงประสิทธิภาพของมาตรฐาน PSO
[ 19,23 ]