Prednosti:
1. Globalna optimizacija: Optimizacija roja čestica može pronaći globalno optimalno rješenje u relativno kraćem vremenskom rasponu, što je čini dobrim kandidatom za probleme globalne optimizacije.
2. Jednostavna implementacija: Optimizacija roja čestica je jednostavna za implementaciju i može se primijeniti na različite discipline uz manje izmjene.
3. Paralelizam: Algoritam se može paralelizirati, što ga čini mogućim za izvođenje na višeprocesorskom sustavu. Ovo pruža učinkovit način za rješavanje problema velikih razmjera, za čije rješavanje korištenjem tradicionalnih algoritama može biti potrebno dosta vremena.
4. Nije potrebna izvedenica: PSO ne zahtijeva izvedenicu kao druge optimizacijske tehnike; stoga se može koristiti s nelinearnim i nekvadratnim funkcijama.
5. Robusnost: PSO je robusna metoda i može izbjeći problem zaglavljivanja na lokalnim optimumima.
Nedostaci:
1. Preuranjena konvergencija: PSO može prerano konvergirati, zarobljavajući čestice u lokalnim optimumima, dajući suboptimalne rezultate.
2. Poteškoće u određivanju optimalnih parametara: Proces odabira vrijednosti parametara u optimizaciji roja čestica je složen i može zahtijevati opsežna ispitivanja i pogreške.
3. Osjetljivost na početne uvjete: Izvedba PSO algoritma uvelike se oslanja na početnu populaciju čestica što ga čini osjetljivim na početne uvjete.
4. Nedokazana izvedba na problemima velikih razmjera: Izvedba optimizacije roja čestica na problemima velikih razmjera nije dobro dokumentirana u literaturi, zbog čega je njena učinkovitost u takvim situacijama nesigurna.
5. Ne jamči globalni optimum: Iako je PSO dizajniran za pronalaženje globalnog optimuma, ne jamči da će ga pronaći u svim situacijama.
Datum objave: