علیرضا فخارزاده جهرمی - استاد، دانشگاه صنعتی شیراز، گروه ریاضی، شیراز، ایران
مریم نیکبخت - استادیار، دانشگاه پیام نور، گروه ریاضی، تهران، ایران؛
زینب کریمی - کارشناسی ارشد، دانشگاه پیام نور، گروه ریاضی، تهران، ایران

دسته ای از روش های بهینه سازی که در سالهای اخیر توانمندی خود را به اثبات رسانیده اند، الگوریتم های بهینه سازی نشات گرفته از طبیعت هستند. از جمله این گونه الگوریتمها که از عمومیت ویژه ای در حال انواع مسایل برخوردار است، الگوریتم بهینه سازی ازدحام ذرات (PSO) می باشد. اثربخشی و کارآیی این الگوریتم در زمینه های مختلف علمی به خصوص زمانی که مسایل پیچیده هستند، آن را به یک الگوریتم فراابتکاری ارزشمند تبدیل کرده است. تا آنجا که این الگوریتم به طور گسترده ای برای یافتن بهینه سراسری در فضاهای جستجوی پیچیده با کمینه های محلی زیاد به کار گرفته شده است. این مقاله به بررسی دو نوع پیشرفته از این الگوریتم، یادگیری جامع بهینه سازی ازدحام ذرات و یادگیری جامع پیشرفته بهینه سازی ازدحام ذرات، می پردازد. کارآیی این الگوریتم ها در مثال های آزمونی استاندارد بررسی، پیاده سازی و مقایسه می گردند. این مقاله می تواند به عنوان یک نقطه شروع برای محققان علاقه مند در زمینه توسعه و کاربردهای الگوریتم بهینه سازی ازدحام ذرات و انواع گوناگون آن باشد.

بهینه سازی ازدحام ذرات؛ هوش جمعی؛ یادگیری جامع بهینه سازی ازدحام ذرات یادگیری جامع پیشرفته بهینه سازی ازدحام ذرات.