پیاده‌سازی الگوریتم گروه ذرات احتمالی در رویکرد بهینه سازی از طریق شبیه سازی

بهینه سازی از طریق شبیه سازی، ابزاری کارا و جا افتاده در مواجهه با مسایل بهینه سازی به شمار می رود. ابزاری که قادر است شرایط حاکم بر مسایل دنیای واقعی را نسبت به سایر ابزارهای بهینه سازی به گونه ای بسیار کامل تر پوشش دهد. مشکلی که در استفاده از این ابزار وجود دارد، لزوم پردازش سنگین محاسباتی است. این مشکل از آنجا ناشی می شود که نه تنها فرایند شبیه سازی، خود زمان‌بر است، بلکه محاسبه مقدار تابع هدف در یک نقطه از فضای جواب، مستلزم اجراهای متعدد شبیه سازی است. متامدل‌ها رویکردی برای مقابله با این معضل هستند و خود مشکلات دیگری به همراه دارند که استفاده از آنها را محدود می کند. متامدل، مدل شبیه سازی را بار دیگر مدل می کند؛ از پیچیدگی‌های آن می کاهد و در عین حال مدل را باز‌‌‌‌‌ هم بیشتر از حالت واقعی‌اش دور می کند. در این مقاله، الگوریتم دسته ذرات، به گونه ای تغییر یافته است که بتواند در عین حذف متامدل، زمان دستیابی به جواب بهینه را کاهش دهد.