В настоящей работе проведен сравнительный анализ двух стохастических методов глобальной оптимизации: метода роя частиц (Particle Swarm Optimization) и метода колонии муравьев (Ant Colony Optimization). Анализ и оценка эффективности проводились с помощью таких параметров, как число вызовов целевой функции, скорость сходимости, ресурсы, вычислительная эффективность, чувствительность к параметрам, устойчивость к начальным условиям. В статье представлены программные коды данных методов в среде Python, предназначенные для вычисления глобального экстремума полунепрерывных снизу функций. Были использованы известные тестовые функции для построения (путем склеивания) полуненпрерывных функций при различных значениях входных параметров.
Ключевые слова: метод роя частиц, метод колонии муравьев, глобальная оптимизация, число вызовов целевой функции, скорость сходимости, ресурсы, вычислительная эффективность.
