الگوریتم های فراکاوشی جدید
Publish place: Electrical Asre Magazine، Vol: 7، Issue: 14
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 193
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_KEEE-7-14_004
تاریخ نمایه سازی: 23 خرداد 1400
Abstract:
چکیده – پیچیدگی مدل های ریاضی، افزایش نمایی زمان حل بسیاری از روش ها، عدم دسترسی به اطلاعات گرادیان و همگرایی به بهینه محلی، از جمله مشکلاتی هستند که الگوریتم های بهینهسازی کلاسیک در حل مسائل پیچیده با آن ها مواجه هستند. به منظور رفع این مشکلات از الگوریتم های فراکاوشی به طور گسترده برای حل مسائل پیچیده و چند متغیره استفاده می شود. انتخاب بهترین و مناسب ترین الگوریتم به دلیل تنوع بالای آن ها کاری دشوار است. در پژوهش های گذشته برخی از این روش ها جمع بندی شده اند ولی به دلیل انتشار بیش از اندازه این الگوریتم ها در سال های اخیر، مقاله ای مشخصی که تمامی این روش ها را بیان و مقایسه نماید وجود ندارد. در این مقاله مهم ترین الگوریتم های بهینه سازی فراکاوشی از سال ۲۰۱۲ تاکنون معرفی شده است. در بخش های مجزا برای هر الگوریتم، تاریخچه، منبع الهام، تابع هدف و تعداد پارامترهای تنظیم آن بیان شده است. سپس با استفاده از چندین نظریه، این الگوریتم ها دسته بندی و مقایسه شده اند. با توجه به نوع کاربرد هر الگوریتم در مسائل مهندسی، نمی توان الگوریتم واحدی را به عنوان بهترین روش معرفی نمود با این وجود الگوریتم بهینه سازی گرگ خاکستری (GWO)، یکی از الگوریتم های با تعداد ارجاع بالا در سال های اخیر می باشد.
Keywords:
Optimization , Metaheuristic algorithms , Evolution , Particle swarm optimization , بهینه سازی , الگوریتم های فراکاوشی , تکامل , بهینه سازی ازدحام موجودات
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :