② Calcula el valor de aptitud física de cada individuo del grupo. El valor de aptitud está directamente relacionado con la distancia desde la solución óptima.
③La población se replica según el valor de aptitud.
(4) Si se cumple la condición de terminación, deténgase; de lo contrario, vaya al paso (2).
Como se puede ver en los pasos anteriores, PSO y los algoritmos genéticos tienen muchas similitudes. Ambos inicializan aleatoriamente la población, ambos utilizan valores de aptitud para evaluar el sistema y ambos realizan búsquedas aleatorias basadas en valores de aptitud. Ninguno de los sistemas tiene garantía de encontrar la solución óptima. Sin embargo, PSO no realiza operaciones genéticas como cruce y mutación, sino que decide la búsqueda en función de su propia velocidad. Otra característica importante de las partículas es que tienen memoria. La ventaja de la computación evolutiva es que puede manejar algunas cosas que los métodos tradicionales no pueden manejar. Algunos ejemplos son funciones de transferencia nodales no diferenciables o información sin gradiente.
Pero las desventajas son:
1. El rendimiento no es especialmente bueno en algunos aspectos.
2. La codificación de los pesos de la red y la selección de operadores genéticos son a veces problemáticas.
Recientemente, algunos artículos utilizan el algoritmo de enjambre de partículas en lugar del algoritmo de retropropagación para entrenar redes neuronales. Las investigaciones muestran que la optimización del enjambre de partículas es un algoritmo de red neuronal muy prometedor. PSO es más rápido y da mejores resultados. Y los algoritmos genéticos no encuentran problemas.