B. SWARM INTELLIGENCE FOR PERMUTATI

B. SWARM INTELLIGENCE FOR PERMUTATION OPTIMIZATION: A CASE STUDY OF N-QUEENS
PROBLEM
This paper uses a modified Particle Swarm Optimizer which deals with permutation problems. Particles are
defined as permutations of a group of unique values. Velocity updates are redefined based on the similarity of two
particles. Particles change their permutations with a random rate defined by their velocities. A mutation factor is
introduced to prevent the current pBest from becoming stuck at local minima. In this paper, the maximum velocity is set
as range of permutation. Each parameter combination was run 100 times and the results represent the mean number of
function evaluations. And also, it provides better results than genetic algorithm in performance. The comparison table is
present in this paper. From the results, it can be seen that PSO successfully finds a solution of the n-queens problems in a
short time

Kết quả (Việt) 1:

SINH SWARM CÁC TÌNH BÁO ĐỂ TỐI ƯU HÓA HOÁN VỊ: MỘT NGHIÊN CỨU TRƯỜNG HỢP CỦA HOÀNG HẬU NVẤN ĐỀGiấy này sử dụng một lần hạt Swarm tối ưu hoá mà đề với vấn đề hoán vị. Hạtđịnh nghĩa là các hoán vị của một nhóm các giá trị duy nhất. Tốc độ Cập Nhật được định nghĩa lại dựa trên sự giống nhau của haihạt. Hạt thay đổi các hoán vị của họ với một tỷ lệ ngẫu nhiên được xác định bởi vận tốc của họ. Một yếu tố đột biến làgiới thiệu để ngăn chặn pBest hiện tại từ trở nên khó khăn tại địa phương cực tiểu. Trong bài báo này, tốc độ tối đa được thiết lậplàm phạm vi của hoán vị. Mỗi kết hợp tham số chạy 100 lần và kết quả đại diện cho số trung bìnhchức năng đánh giá. Và ngoài ra, nó cung cấp các kết quả tốt hơn so với các thuật toán di truyền trong hoạt động. Bảng so sánh làhiện diện trong bài báo này. Từ các kết quả, nó có thể được nhìn thấy rằng PSO thành công tìm thấy một giải pháp của vấn đề n-hoàng hậu trong mộtthời gian ngắn

Kết quả (Việt) 2:

B. Swarm INTELLIGENCE CHO hoán vị OPTIMIZATION: Một NGHIÊN CỨU TRƯỜNG HỢP N-QUEENS
VẤN ĐỀ
giấy này sử dụng một Particle Swarm Optimizer sửa đổi trong đó đề với vấn đề hoán vị. Hạt được
định nghĩa là hoán vị của một nhóm các giá trị độc đáo. Cập nhật Velocity được định nghĩa lại dựa trên sự giống nhau của hai
hạt. Hạt thay đổi hoán vị của họ với một tỷ lệ ngẫu nhiên được xác định bởi vận tốc của họ. Một yếu tố đột biến được
giới thiệu để ngăn chặn các hiện pBest khỏi bị mắc kẹt tại cực tiểu địa phương. Trong bài báo này, vận tốc tối đa được thiết lập
như là phạm vi của hoán vị. Mỗi sự kết hợp tham số đã chạy 100 lần và kết quả đại diện cho số trung bình của
các đánh giá chức năng. Và cũng có thể, nó cung cấp kết quả tốt hơn so với thuật toán di truyền trong hoạt động. Bảng so sánh là
hiện nay trong bài viết này. Từ những kết quả, nó có thể được nhìn thấy rằng PSO tìm thấy thành công một giải pháp của vấn đề n-queens trong một
thời gian ngắn