English:
In the past decade, there is an increasing interest in Soft Computing motivated approaches for finding optimal or good quality solutions to larger problems, including neural networks, GAs, tabu searches, simulated annealing, ant colony optimations, PSOs, and SSOs. Among these methods, SSO was the most recently proposed. It was originally designed by Yeh in 2009 and called the discrete PSO to overcome the drawback of PSO in a discrete problem initially. SSO has some appealing features, including easy implementation, having just a few parameters to tune, and a fast convergence rate. The SSO, a population-based stochastic optimization technique, belongs to the category of swarm intelligence methods; it is also an evolutionary computational method inspired by particle swarm optimization (PSO), which is a powerful swarm intelligence and evolutionary algorithm proposed for solving discrete optimization problems.. The SSO has been proved to be a more efficient method than PSO, GA, and ABC in some applications.
Bahasa Melayu:
Dalam dekad yang lalu, terdapat minat yang semakin meningkat terhadap pendekatan berasaskan Pengkomputeran Lembut (Soft Computing) yang bermotivasi untuk mencari penyelesaian optimum atau berkualiti baik bagi masalah berskala besar, termasuk rangkaian neural, algoritma genetik (GA), carian tabu, penyepuhlindapan simulasi, pengoptimuman koloni semut, pengoptimuman kawanan zarah (PSO), dan pengoptimuman struktur sosial (SSO). Antara kaedah-kaedah ini, SSO adalah yang paling baru dicadangkan. Ia pada asalnya direka oleh Yeh pada tahun 2009 dan dinamakan sebagai PSO diskret bagi mengatasi kelemahan PSO dalam masalah diskret pada peringkat awal.
SSO mempunyai beberapa ciri yang menarik, termasuk mudah dilaksanakan, hanya memerlukan beberapa parameter untuk ditala, serta kadar penumpuan yang pantas. SSO, iaitu satu teknik pengoptimuman stokastik berasaskan populasi, tergolong dalam kategori kaedah kecerdasan kawanan; ia juga merupakan kaedah pengiraan evolusi yang diilhamkan oleh PSO, iaitu satu algoritma kecerdasan kawanan dan evolusi yang berkuasa, yang dicadangkan untuk menyelesaikan masalah pengoptimuman diskret. SSO telah terbukti sebagai kaedah yang lebih berkesan berbanding PSO, GA, dan ABC dalam beberapa aplikasi.