అఖండ్ MAH, షేక్ ఇమ్రాన్ హొస్సేన్ మరియు షాహినా అక్టర్
సహజ దృగ్విషయం ద్వారా ప్రేరేపించబడిన గణన పద్ధతులు ఇటీవలి సంవత్సరాలలో చాలా ఆసక్తిని కలిగి ఉన్నాయి. అభివృద్ధి చెందిన అల్గారిథమ్లలో, పార్టికల్ స్వార్మ్ ఆప్టిమైజేషన్ (PSO), పక్షి గుంపుల ప్రవర్తన లేదా చేపల విద్యను అనుకరించడం, దాని సరళత మరియు పనితీరు కారణంగా అత్యంత ప్రసిద్ధ పద్ధతిగా కనిపిస్తుంది. అత్యంత ప్రజాదరణ పొందిన కాంబినేటోరియల్ సమస్య అయిన ట్రావెలింగ్ సేల్స్మ్యాన్ సమస్య (TSP) కోసం అనేక రకాల PSO ఆధారిత పద్ధతులు అభివృద్ధి చేయబడ్డాయి. TSPని పరిష్కరించడంలో అనేక ప్రముఖ PSO ఆధారిత పద్ధతుల తులనాత్మక అధ్యయనం చేయడం అధ్యయనం యొక్క లక్ష్యం. వివిధ పరిశోధకులు వివిధ PSO ఆధారిత పద్ధతులు అభివృద్ధి చేయబడ్డాయి మరియు విభిన్న సమస్యలపై పరీక్షించబడినందున అధ్యయనం ముఖ్యమైనది. అందువల్ల, ఇదే పద్ధతిలో ప్రముఖ PSO ఆధారిత పద్ధతుల వివరణ వ్యక్తుల యొక్క విభిన్న లక్షణాలను వెల్లడిస్తుంది. అంతేకాకుండా, సాధారణ బెంచ్మార్క్ TSP డేటా సెట్పై ప్రయోగాత్మక ఫలితాలు ప్రతి పద్ధతి యొక్క పనితీరును వెల్లడిస్తాయి. ఈ అధ్యయనంలో, పద్ధతులు పెద్ద సంఖ్యలో బెంచ్మార్క్ TSPలు మరియు వాటితో పోల్చిన ఫలితాలపై పరీక్షించబడ్డాయి, అలాగే TSPని పరిష్కరించే ప్రముఖ పద్ధతి అయిన యాంట్ కాలనీ ఆప్టిమైజేషన్ (ACO). ప్రయోగాత్మక ఫలితాలు మెరుగుపరచబడిన స్వీయ-తాత్కాలిక PSO (ESTPSO) మరియు వేగం తాత్కాలిక PSO (VTPSO) ACO కంటే మెరుగైన పనితీరును కనబరిచాయి; మరియు స్వీయ-తాత్కాలిక PSO (STPSO) ACOకి పోటీగా ఉంది. మరోవైపు, ప్రయోగాత్మక విశ్లేషణ ESTPSO గణనపరంగా ఇతరులకన్నా భారీగా ఉందని వెల్లడించింది మరియు VTPSO బెంచ్మార్క్ సమస్యను పరిష్కరించడానికి కనీసం సమయం పట్టింది. ప్రతి వ్యక్తి పద్ధతి యొక్క పనితీరు మరియు సమయ ఆవశ్యకత వెనుక ఉన్న కారణాలు వివరించబడ్డాయి మరియు TSPని పరిష్కరించడానికి VTPSO అత్యంత ప్రభావవంతమైన PSO ఆధారిత పద్ధతిగా కనుగొనబడింది.