En las matemáticas, específicamente en la optimización, la optimización repulsiva ( RPSO ) del enjambre de la partícula del es un algoritmo de la optimización global . Pertenece a la clase de optimizadores globales evolutivos estocástico, y es una variante de la optimización (PSO) del enjambre de la partícula.

Hay varias diversas realizaciones de RPSO. El campo común a todas las realizaciones es la repulsión entre las partículas. Esto puede prevenir el enjambre que es atrapado en los máximos locales, que causarían una convergencia prematura y llevarían el algoritmo de optimización para no poder encontrar el grado óptimo global .

En un tipo de este algoritmo de la RPSO-clase, el $futuro\; de\; lavelocidad\backslash \; el\; \_\; del\; mathbf\; \{v\}\; \{\backslash \; mathrm\; \{siguiente\}\}$ de una partícula en el $\backslash \; el\; mathbf\; \{x\}$ de la posición con un $\backslash \; un\; mathbf\; recientes\; \{v\}$ de la velocidad se calcula cerca = \ Omega \ mathbf {v} del _ del $\backslash \; del\; mathbf\; del$

l {v} {\ mathrm {siguiente}} + \ \ chi_1 de a \ (- \ + \ sombrero del mathbf {x} {\ mathbf {x}}) + \ \ \ chi_2 de b \ Omega (- \ + \ sombrero del mathbf {x} {\ mathbf {y}}) + \ \ chi_3 de c \ \ \ \ mathbf {z} de Omega

donde
$\backslash \; chi\_1,\; \backslash \; \backslash \; chi\_2,\; \backslash \; \backslash \; chi\_3$: $de\; los\; números\; al\; azar\; \backslash \; en\; 1$ (diferente en cada iteración)
$\backslash \; omega$: $del\; peso\; de\; la\; inercia\; \backslash \; en\; 0.7$
$\backslash \; sombrero\; \{\backslash \; mathbf\; \{x\}\}$: la mejor posición de una partícula
$\backslash \; sombrero\; \{\backslash \; mathbf\; \{y\}\}$: la mejor posición del aleatoriamente elegido la otra partícula dentro del enjambre
$\backslash \; mathbf\; \{z\}$: un vector al azar de la velocidad
$a,\; b,\; c$: constantes

La característica de la repulsión se observa para un $b$ negativo. La diferencia principal entre PSO y RPSO es el mecanismo de la propagación para determinar las nuevas posiciones para una partícula en el espacio de búsqueda. RPSO es capaz de encontrar grados óptimos globales en espacios de búsqueda más complejos . Por una parte, comparado a PSO puede ser más lento en ciertos tipos de problemas de la optimización. Este tipo de RPSO primero fue introducido como uso a un problema robusto de la valoración.