Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Particle swarm optimization

1,214 views

Published on

Presentación, creada para la materia de Sistemas Adaptativos, realizada en equipo.
La imágnes utilizadas son utilizadas unicamente para fines didácticos.

Published in: Education
  • Be the first to comment

Particle swarm optimization

  1. 1. Sistemas Adaptativos PSO, particle swarm optimization u Optimización por enjambre de partículas. Integrantes del equipo: Ludim Sánchez Carlos García Otniel Aguilar Ricardo Morales Eduardo Briones Alex Leal
  2. 2. Introducción
  3. 3. Descripción . Método inspirado por las parvadas de pájaros y el conjunto de peces nadando donde estos siguen un objetivo en común..
  4. 4. ¿PSO? PSO (particle swarm optimization) consiste principalmente en un espacio de búsqueda en el cual un conjunto de partículas sigue a otro más cercano al objetivo, de esta manera, buscan un punto óptimo, por lo tanto, cada partícula busca mejores posiciones en el espacio disponible de búsqueda cambiando su velocidad. Cabe mencionar que entre más lejana se localice la posición de la partícula a más velocidad esta irá para aproximarse a otro conjunto de partículas más cercanas al objetivo. El proceso termina cuando una partícula alcanza o llega al objetivo.
  5. 5. La población se mueve en el espacio de búsqueda guiado por las partículas que han obtenido las mejores posiciones cercanas al objetivo.
  6. 6. Ejemplo de aplicación Supongamos que existe una población de humanos en la cual todos toman diferentes caminos ó caminos aleatorios, todos con el mismo objetivo. Si alguien se da cuenta que esta cerca del objetivo manda una señal o en su defecto un aviso a los demás, los cuales tratan de aproximarse con una velocidad mayor hacia el aviso. Conforme la tipología avanza, ciertas personas se acercaran al objetivo más rápidamente, por lo cual todos estos humanos llegan hacia el objetivo final. Se toma en cuenta lo siguiente: Partículas ó agentes Individuo en el espacio de búsqueda. Dato de partícula Puede referirse a cualquier tipo de dato necesario para la localización. PB (best local possible) Es la mejor posición individual obtenida durante el proceso respecto al objetivo. GB (best global possible) La mejor solución obtenida en toda el área de búsqueda de las partículas Velocidad Velocidad de cada partícula.
  7. 7. Diagrama de flujo http://www.gliffy.com/go/publish/4857483
  8. 8. Aplicación de PSO Biomédico: Agrupación de genes Redes de comunicación: Control de red TCP Agrupamiento y clasificación: Clustering dinámico Optimización combinatoria: Problema del viajero
  9. 9. Conclusión Concluimos que el PSO es un algoritmo sencillo de fácil implementación en el cual se puede llegar a una solución óptima a partir de un número de iteraciones basadas en una población de partículas. Además nos pudimos dar cuenta que una de las aplicaciones más importantes recaen en las redes neuronales.
  10. 10. Bibliografía https://www.esgsolutions.com/english/view. asp?x=897 http://mnemstudio.org/particle- swarm-introduction.htm http://people.cs.uct.ac. za/~jgain/publications/ParticleSwarm.pdf http://www2.uacj.mx/IIT/CULCYT/Septiembre-diciembre2010/10%20Art.7. pdf

×