سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

حل مسئله فروشنده دوره گرد با استفاده از الگوریتم بهینه سازی انبوه ذرات تعمیم یافته و مقایسه با الگوریتم ژنتیک

Publish Year: 1399
Type: Conference paper
Language: Persian
View: 604

This Paper With 13 Page And PDF and WORD Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

EARTHSCI01_041

Index date: 5 September 2021

حل مسئله فروشنده دوره گرد با استفاده از الگوریتم بهینه سازی انبوه ذرات تعمیم یافته و مقایسه با الگوریتم ژنتیک abstract

در این مقاله به حل مسئله فروشنده دوره گرد با استفاده از الگوریتمهای بهینه سازی انبوه ذرات و ژنتیک پرداخته شده است. الگوریتم بهینه سازی انبوه ذرات یک الگوریتم پیوسته میباشد و مسئله فروشنده دوره گرد به طور ذاتی یک مسئله گسسته می باشد. با توسعه الگوریتم بهینه سازی انبوه ذرات این مسئله سریعتر به جواب بهینه همگرا میشود و در مدت زمان کمتری جواب بهینه را می یابد. در این مطالعه الگوریتم بهینه سازی انبوه ذرات با انجام اصلاحاتی به حالت گسسته تعمیم داده شده است. مسئله فروشنده دوره گرد توسط دو الگوریتم بهینه سازی انبوه ذرات گسسته و ژنتیک پیاده سازی شده است، تا کوتاهترین دور مسیر با گذر از تمام شهرها بدست آید. ۳۱ مرکز استان ایران به عنوان شهرهای مسئله درنظر گرفته شده است و در نهایت نتایج بدست آمده از الگوریتم بهینه سازی انبوه ذرات تعمیم یافته با الگوریتم ژنتیک مقایسه و ارزیابی شده است. طبق نتایج الگوریتم بهینه سازی انبوه ذرات در تعداد اجرا و زمان کمتری همگرا میشود. همچنین الگوریتم بهینه سازی انبوه ذرات تعمیم یافته جواب بهتری را نسبت به الگوریتم ژنتیک در نهایت پیدا میکند. الگوریتم بهینه سازی انبوه ذرات تعمیم یافته با مقدار تابع بهینگی ۷۰,۶۵۹ و الگوریتم ژنتیک با مقدار تابع بهینگی ۷۳,۱۶۱۵ میباشد؛ این مقدار بیانگر طول مسیر یافت شده توسط دو الگوریتم است که هدف کمینه کردن مقدار تابع بهینگی میباشد؛ و الگوریتم بهینه سازی انبوه ذرات تعمیم یافته عملکرد بهتری برای کمینه کردن مقدار تابع بهینگی نسبت به الگوریتم ژنتیک داشته است.

حل مسئله فروشنده دوره گرد با استفاده از الگوریتم بهینه سازی انبوه ذرات تعمیم یافته و مقایسه با الگوریتم ژنتیک Keywords:

الگوریتم بهینه سازی انبوه ذرات گسسته , الگوریتم ژنتیک , فروشنده دوره گرد , بهنیه سازی , کوتاه ترین دور مسیر.

حل مسئله فروشنده دوره گرد با استفاده از الگوریتم بهینه سازی انبوه ذرات تعمیم یافته و مقایسه با الگوریتم ژنتیک authors

پرستو افراسیابی

دانشجوی کارشناسی ارشد، دانشکده ژئوماتیک و ژئودزی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

مهرداد کاوه

دانشجوی دکتری، دانشکده ژئوماتیک و ژئودزی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

محمدسعدی مسگری سقزلو

دانشیار، دانشکده ژئوماتیک و ژئودزی، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران

مقاله فارسی "حل مسئله فروشنده دوره گرد با استفاده از الگوریتم بهینه سازی انبوه ذرات تعمیم یافته و مقایسه با الگوریتم ژنتیک" توسط پرستو افراسیابی، دانشجوی کارشناسی ارشد، دانشکده ژئوماتیک و ژئودزی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران؛ مهرداد کاوه، دانشجوی دکتری، دانشکده ژئوماتیک و ژئودزی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران؛ محمدسعدی مسگری سقزلو، دانشیار، دانشکده ژئوماتیک و ژئودزی، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران نوشته شده و در سال 1399 پس از تایید کمیته علمی اولین کنفرانس ملی داده کاوی در علوم زمین پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله الگوریتم بهینه سازی انبوه ذرات گسسته، الگوریتم ژنتیک، فروشنده دوره گرد، بهنیه سازی، کوتاه ترین دور مسیر. هستند. این مقاله در تاریخ 14 شهریور 1400 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 604 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این مقاله به حل مسئله فروشنده دوره گرد با استفاده از الگوریتمهای بهینه سازی انبوه ذرات و ژنتیک پرداخته شده است. الگوریتم بهینه سازی انبوه ذرات یک الگوریتم پیوسته میباشد و مسئله فروشنده دوره گرد به طور ذاتی یک مسئله گسسته می باشد. با توسعه الگوریتم بهینه سازی انبوه ذرات این مسئله سریعتر به جواب بهینه همگرا میشود و ... . این مقاله در دسته بندی موضوعی الگوریتم ژنتیک طبقه بندی شده است. برای دانلود فایل کامل مقاله حل مسئله فروشنده دوره گرد با استفاده از الگوریتم بهینه سازی انبوه ذرات تعمیم یافته و مقایسه با الگوریتم ژنتیک با 13 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.