Issn 2072-0297 Молодой учёный Международный научный журнал Выходит еженедельно №4 (138) / 2017 р е д а к ц и о н н а я к о л л е г и я : Главный редактор

 1. Общий график методов роевого интеллекта

---

149
“Young Scientist” .  # 4 (138) .  January 2017
Computer Science
— Каждый агент должен стараться сохранять достаточно малое расстояние между собой и окружающими его аген-
тами.
Как видно на рис. 2, алгоритм роя частиц — итеративный процесс, постоянно находящийся в изменении. Для того, 
чтобы понять, как функционирует алгоритм МРЧ, можно рассмотреть область поиска в виде многомерного простран-
ства с агентами нашего алгоритма. Изначально все агенты находятся в случайных местах пространства и со случайным 
вектором скорости. В каждой из точек, которую частица посещает, она рассчитывает заданную функцию и фиксирует 
наилучшее значение искомой функции. Так же все частицы знают местоположение наилучшего результата поиска во 
всём рое и с каждой итерацией агенты корректируют вектора своих скоростей и их направления, стараясь приблизиться 
к наилучшей точке роя и при этом быть поближе к своему индивидуальному максимуму. При этом постоянно происходит 
расчёт искомой функции и поиск наилучшего значения. На рис. 3 приведен пример работы МРЧ.
Рис.
 3. Пример работы роя методом МРЧ
Концепцию данного алгоритма описывает формула, согласно которой корректируется модуль и направление ско-
рости агентов.
v
⍵v+rnd () (Pbest-x) c1+rnd () (gbest-x) c
2
, где:
⍵ — коэффициент инерции, определяющий баланс между тем, насколько широко будет «заходить» в исследовании 
агент и тем, насколько сильно агент будет желать остаться рядом с найденными ранее оптимальными решениями;
P
best — 
координаты наилучшей найденной агентом точкой;
g
best
— координаты наилучшей роевой точки;
x — текущие координаты точки;
rnd () — случайный коэффициент, принимающий значение от 0 до 1;
c
1
, c
2
— постоянные ускорения.
Рис.