In this paper a dynamic optimization with particle swarm approach using two different memory mechanisms is studied. One of them is based on the idea of storing explicit solutions in memory structures while the other applies one-pass clustering algorithm to build clusters containing search experiences. Both mechanisms have been experimentally verified and their advantages and disadvantages in application for different types of testing environments have been discussed.
PL
Artykuł zawiera wyniki badań dwóch mechanizmów pamięciowych stosowanych w roju cząsteczek do optymalizacji dynamicznej. Jeden z nich jest oparty na zasadzie gromadzenie gotowych rozwiązań w strukturach pamięci, natomiast drugi stosuje jednoprzejściowy algorytm do budowy klastrów, w których mogłyby być przechowywane doświadczenia zdobywane w trakcie procesu szukania. Obydwa mechanizmy zostały zweryfikowane w badaniach eksperymentalnych a ich wady i zalety objawiające się w zastosowaniach do różnych typów zadań zostały omówione.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.