Particle Swarm Optimization (PSO) is a well-known swarm-intelligence algorithm used in global optimization problems, which inspires from collecting behaviors of fishes or birds in foraging. Despite its advantages such as simple and efficient running structure, PSO has some drawbacks that cause it to get stuck at local minima due to early convergence and weak global search capacity. In this study, to overcome this problem, a clustering strategy is adapted to PSO, and the algorithm named Particle Swarm Optimization with a novel Diversity based on K-means (PSO-DSK) is presented. In the proposed PSO-DSK algorithm, the particles are divided into several clusters. Next, a center and the farthest particle from the center are chosen for each cluster. Then, the results are improved by relocating the farthest particle closer to the center. Finally, the performance of PSO-DSK is analyzed on 16 benchmark functions. The experimental results are compared with the standard PSO algorithm and its 7 variants. Consequently, the results and comparisons demonstrate that PSO-DSK achieves a remarkable improvement and outperforms standard PSO and its variants.
Keywords: Diversity strategy, K-Means, Particle swarm optimizationParçacık Sürüsü Optimizasyonu (PSO), balıkların ve kuşların yiyecek aramadaki davranışlarından ilham alan popüler bir sürü zekâsı algoritmasıdır. PSO, kolay ve başarılı çalışma yapısına rağmen erken yakınsama ve zayıf küresel arama kapasitesi nedeniyle yerel minimumlara takılmaktadır. Bu çalışmada, PSO ile K-Ortalamalar yöntemi uyarlanmış ve yeni bir çeşitlilik yöntemi önerilmiştir. Önerilen yönteme; K-Ortalamalara Dayalı Yeni Çeşitlilik Stratejisi ile Parçacık Sürüsü Optimizasyonu (PSO-DSK) adı verilmiştir. PSO-DSK algoritmasının çalışma stratejisinde, parçacıklar farklı kümelere ayrılır; her küme için bir merkez seçilir ve merkeze en uzak konumda olan parçacık belirlenir. PSO-DSK, merkeze en uzakta olan parçacığın sonuçlarını iyileştirerek yeni bir çeşitlendirme stratejisi uygulamaktadır. PSO-DSK, 16 farklı test fonksiyonu kullanılarak performans analizi yapılmıştır. Sonrasında PSO-DSK, standart PSO ve 7 PSO varyantı ile karşılaştırılmıştır. Elde edilen sonuçlar, PSO-DSK'nın dikkate değer bir gelişme sağladığını, orijinal PSO ve PSO varyantlarından daha iyi performans gösterdiğini ispatlamıştır.
Anahtar Kelimeler: Çeşitlilik stratejisi, K-Ortalamalar, Parçacık sürüsü optimizasyonu