AI 용어집
인공지능 완전 사전
Algorithme à Essaim Particulaire
Métaheuristique d'optimisation inspirée du comportement collectif des essaims d'oiseaux ou de bancs de poissons, où les particules exploratrices collaborent pour trouver l'optimum global dans un espace de recherche.
Particule
Entité individuelle de l'essaim représentant une solution potentielle, caractérisée par sa position actuelle dans l'espace de recherche et sa vitesse de déplacement.
Vitesse
Vecteur de déplacement d'une particule dans l'espace de recherche, mis à jour itérativement en fonction de sa meilleure position personnelle et de la meilleure position du voisinage.
Position
Coordonnées actuelles d'une particule dans l'espace de recherche multidimensionnel, représentant une solution candidate au problème d'optimisation.
Meilleure Position Personnelle
Meilleure solution trouvée par une particule individuelle depuis le début de l'algorithme, servant de mémoire autobiographique pour guider ses futurs mouvements.
Meilleure Position Globale
Solution optimale découverte par l'ensemble de l'essaim jusqu'à l'itération courante, influençant le mouvement de toutes les particules vers cette région prometteuse.
Facteur d'Inertie
Paramètre contrôlant l'influence de la vitesse précédente d'une particule sur son mouvement actuel, permettant d'équilibrer exploration et exploitation.
Coefficients d'Accélération
Paramètres cognitif et social pondérant respectivement l'influence de la meilleure position personnelle et de la meilleure position du voisinage sur le mouvement de la particule.
Topologie de Voisinage
Structure de connexion définissant comment les particules partagent l'information entre elles, influençant la vitesse de convergence et la capacité d'évasion des optima locaux.
Fonction Objectif
Fonction mathématique évaluant la qualité de chaque position de particule, servant de guide pour orienter l'essaim vers les solutions optimales.
Espace de Recherche
Domaine multidimensionnel contenant toutes les solutions possibles du problème d'optimisation, délimité par les contraintes et bornes des variables.
Diversification
Capacité de l'algorithme à explorer différentes régions de l'espace de recherche, essentielle pour éviter la convergence prématurée vers des optima locaux.
Intensification
Phase d'exploitation où l'algorithme se concentre sur l'amélioration des solutions prometteuses déjà découvertes dans l'espace de recherche.
PSO Multi-objectif
Variante du PSO optimisant simultanément plusieurs fonctions objectives conflictuelles pour générer un front de Pareto de solutions non-dominées.
PSO Discret
Adaptation du PSO pour les problèmes d'optimisation combinatoires où les variables prennent des valeurs discrètes plutôt que continues.
PSO Hybride
Combinaison du PSO avec d'autres métaheuristiques ou techniques d'optimisation pour améliorer les performances et éviter les limitations de chaque méthode individuelle.
Essaim Dynamique Adaptatif
Variante avancée où la taille de l'essaim et les paramètres de contrôle s'adaptent dynamiquement pendant l'exécution pour optimiser les performances.