في السنوات الأخيرة، ظهرت خوارزميات تحسين جديدة تسعى لتحسين أداء مهام البحث الأمثل في فضاءات متعددة الأبعاد. من بين هذه الخوارزميات تأتي خوارزمية تحسين سرب الجسيمات مع تحسينات ملحوظة تعتمد على الانحدار.

تُعرف هذه الخوارزمية باسم Adaptive Hybrid Particle Swarm Optimization (AHPSO)، حيث تستخدم وظيفة سيجمويد لضبط تنوع السرب من أجل تعديل تأثيرات الانحدار بطريقة تلقائية. تعمل الخوارزمية على خفض تأثيرات الانحدار أثناء الاستكشاف، وزيادتها تقريباً إلى أقصى حد أثناء الاستغلال، مما يلغي الحاجة إلى تبديل المراحل يدويًا.

أظهرت المقارنات بين خوارزمية البحث التقليدية PSO و AHPSO، أن الأخيرة تحتفظ بميزة تنافسية في معالجة المشاكل ذات الهياكل المحلية السلسة، حيث تتفوق في نتائجها بنسبة 52.5% في 40 تكوينًا مقابل 20% لـ AHPSO، مما يدل على فعاليتها.

باستخدام نهج الاعتماد على الانحدار، تبرز AHPSO كخيار مفضل في الحالات التي يتطلب فيها أداء جيد في التحسين. هذه النتائج تقلل من الحاجة الى الافتراضات المسبقة حول فعالية الانحدار، مما يمنح الباحثين أداة قوية في استراتيجيات البحث الأمثل.