抄録
近年、新しい最適化手法として、群れ行動にヒントを得たParticle Swarm Optimization (PSO)が注目を集めつつある。しかしながら、PSOは全体の最良解に全ての個体が集まる傾向があり、多峰性関数に比較的不向きである。そこで、多峰性関数に対する性能を向上するために、各個体がより自律的に解空間を探索できる解法を新たに提案する。提案するPSOでは、自律的に探索を行うために、全体最良解と自己最良解の距離に応じて自己最良解の更新を行う。また、このPSOと従来のPSOを組み合わせて、単峰性関数、多峰性関数のいずれにも有効なPSOを提案する。
