본 논문은 군집 지능(SI) 알고리즘 중 하나인 입자 군집 최적화(PSO) 알고리즘의 다양한 학습 전략들을 체계적으로 분석하고 비교 평가한 연구입니다. PSO 알고리즘의 수렴 속도, 강건성, 적응성을 향상시키기 위한 많은 학습 전략들이 제안되었지만, 이들을 포괄적으로 분석한 연구는 부족했습니다. 본 논문에서는 기존의 다양한 학습 전략들을 분류하고, 각 전략의 최적화 성능에 미치는 영향을 평가하며, 비교 실험을 통해 전략들이 PSO의 탐색 역학에 미치는 영향을 분석합니다. 마지막으로, 점점 더 복잡해지는 실제 문제에 대처할 수 있는 자기 적응적이고 지능적인 PSO 변형의 필요성을 강조하며, 향후 연구 방향을 제시합니다.
