Simone
粒子群优化是一个非常简单的算法，似乎是有效的优化了广泛的职能。我们认为这是中级形式的生命或生物衍生算法，占用空间之间的进化性质的搜索，这需要eons ，和神经处理，这发生在以毫秒。发生在社会最优化的时限一般经验-事实上，它是普通的经验。除了它的联系，以生活，粒子群优化具有明显的关系，进化计算。从概念上来说，它似乎在于之间的遗传算法和进化规划。这是高度依赖于随机过程，就像进化规划。调整对pbest和gbest的粒子群优化概念类似交叉作业利用遗传算法。它使用的概念，健身一样，所有进化计算模式。独特的概念粒子群优化算法是可能的解决方案，通过悬挂超，加速走向“更好”的解决办法。其他进化计算州谈办法上直接操作可能的解决办法是派地点超。许多成功的粒子群似乎在于代理人'的倾向hurtle过去他们的目标。荷兰的一章是关于“优化配置审判” [ 5 ]表明之间的微妙平衡测试已知保守区域与风险勘探不明。看来，目前的版本范式近优化配置审判。随机因素允许彻底搜查之间的空间区域，被认为是比较好的，而且这一势头的影响所造成的修改现存的速度，而不是取代它们过度的结果，或探索未知区域的问题域。作者本文件是一个社会心理学家和一个电子工程师。对粒子群优化服务，这些领域同样。为什么如此无处手旅不在的社会行为在动物王国？因为它优化。什么是一个好办法来解决工程优化问题？建模的社会行为。进一步的研究还有待进行的这个简单的新概念和模式。在发展中国家的目标是已经保持简单和强大，我们似乎已经成功了。该算法是用一个非常几行代码，并且只需要规范的问题和一些参数，以便解决它。该算法属于这一哲学思想，使学校出现的智慧，而不是试图强加，这是模拟性的，而不是试图控册薯碰制它，并设法使事情更简单，而不是更复杂。再次性质为我们提供了一个技术处理信息，这是一次优雅和多才多艺。
