• • این روش برخلاف بسیاری از روش‌های سنتی نیازی به مشتق گیری ندارد.

• • • • دارای انعطاف پذیری برای تلفیق با سایر روش های بهینه سازی به منظور ایجاد ابزار مختلط می‌باشد.

    (( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

• • دارای حساسیت کمتری نسبت به ماهیت تابع هدف می‌باشد یعنی تحدب یا پیوستگی دارد.

• • برخلاف بسیاری دیگر از روش‌های محاسبات تکاملی، به تنظیم پارامترهای کمتری نیاز دارد.

• • دارای قابلیت فرار از مینیمم محلی است.

• • به آسانی با عملیات ابتدایی ریاضی و منطقی پیاده سازی و برنامه‌ریزی می‌شود.

• • برای توابع هدف با ماهیت تصادفی می‌تواند به کار برده شود مشابه حالتی که یکی از متغیرهای بهینه سازی تصادفی باشد.

• • برای شروع فرایند تکرار نیازی به یک جواب اولیه خوب ومناسب ندارد.

۳-۴ مراحل اجرای الگوریتم PSO
در این پایان‌نامه از توپولوژی ستاره الگوریتم PSO به منظور جایابی ادوات FACTS در شبکه استفاده شده است. الگوریتم PSO برای توپولوژی ستاره در حالت کلی به صورت زیر بیان می‌گردد.
مرحله (۱ ): تعیین پارامترهای الگوریتم PSO (تعداد جمعیت، تعداد متغیرهای تابع، c₂ و c₁ و ……)
مرحله (۲ ): تولید موقعیت و سرعت اولیه ذرات درفضای جستجو d بعدی بصورت تصادفی
مرحله (۳ ): ارزیابی تابع معیار برای تک تک ذرات جمعیت و محاسبه بهترین تجربه شخصی هر ذره (pbest) و محاسبه بهترین تجربه ذرات (gbest)
مرحله (۴): محاسبه سرعت ذرات با بهره گرفتن از معادله (۳-۱) و بروز کردن موقعیت ذرات با معادله (۳-۲)
مرحله (۵ ): محاسبه تابع هدف برای تک تک ذرات جمعیت (تکرار مرحله (۳))
مرحله (۶ ): ادامه اجرای الگوریتم از مرحله (۴) تا رسیدن به همگرایی.
برای جایابی FACTS با توجه به اینکه مکان‌های پیش‌نهادی برای نصب تجهیزات ماهیت گسسته دارند و ترجیحا از باینری PSO استفاده شده است.
برای جستجوی باینری در محیط گسسته با اعمال تبدیل sigmoid به بردار سرعت که در رابطه (۳-۷) نشان داده شده است استفاده کرده ایم. مکان ذره id ام را به جای معادله(۳-۶) که برای حالت پیوسته می‌باشد، با بهره گرفتن از معادله (۳-۸) بروز رسانی می‌شود.

۳-۵ بررسی تاثیرات پارامترهای PSO
۳-۵-۱ ثابت های شتاب
اگر رابطه‌ی تغییر سرعت ذرات به صورت زیر نوشته شود.