الگوریتم بهینه ­سازی توده ذرات در ابتدایی‌ترین شکل خود یک روش تکراری دسته‌جمعی آشفته با تاکید بر همکاری است این الگوریتم تا حدی تصادفی بوده و بدون مکانیزم انتخاب است و از حرکت گروهی پرندگان و زنبورها الهام گرفته است nbsp رفتار جمعی تمام افراد جمعیت باعث یک همگرایی درنقطه­اي نزدیک به جواب بهینه مطلق می‌شود نقطه قوت این الگوریتم عدم نیاز به یک کنترل سراسري nbsp است هرفرد دراین الگوریتم خود ‌مختاري نسبی دارد که می‌تواند درسراسر فضاي جستجو حرکت کند و می‌بایست با سایر افراد همکاری داشته باشد nbsp در این گزارش ابتدا نحوه کارکرد کد نوشته شده مورد بررسی قرار می­گیرد در فصل دوم الگوریتم بهینه­ سازی توده ذرات به طور مفصل توضیح داده می­شود در فصل آخر نیز نحوه پیاده سازی این الگوریتم بر روی کد nbsp Matlab توضیح داده خواهد شد .

الگوریتم nbsp PSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینه‌ی دسته به کار گرفته شد در PSO ذرات nbsp در فضای جستجو جاری می‌شوند تغییر مکان nbsp ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است بنابراین موقعیت دیگر توده nbsp ذرات روی چگونگی جستجوی یک ذره اثر می‌گذارد نتیجه‌ی مدل‌سازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل می‌کنند ذرات از یکدیگر می‌آموزند و بر مبنای دانش بدست آمده به سمت مناسبترین همسایگان خود می‌روند اساس کار PSO بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و مناسبترین مکانی که در کل همسایگی‌اش وجود دارد تنظیم می‌کند