ارائه یک الگوریتم جهش قورباغه بهبود یافته با مولفه شناختی
Publish place: 2nd Lahijan National Conference on Software Engeering
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,264
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
LNCSE02_039
تاریخ نمایه سازی: 6 اسفند 1391
Abstract:
جهش ترکیبی قورباغهSFL( 1 یک الگوی جستجوی جمعی مبتنی بر جمعیت است که از ممتیکهای طبیعی الهام گرفته شده است. قابلیت تطبیقِ این الگوریتم با محیطهای پویاSFL را تبدیل به یکی از مهمترین الگوریتم- های ممتیک کرده است. در این مقاله به منظور بهبود ثبات این الگوریتم و همچنین برای افزایش توانایی آن برای جستجوی بهینهی سراسری، یک مولفهی شناختی 2 بهSFL اضافه میشود. با وجود این مولفه، هر قورباغه نه تنها موقعیت خود را بر اساس بهترین عضوِmemeplex یا بر اساس بهترین عضو موجود در جمعیت تنظیم میکند، بلکه در این میان موقعیت خودش را نیز میسنجد. برای ارزیابیSِFL بهبودیافتهISFL( شبیهسازیهای مختلفی انجام گرفت و در آنهاISFL و SFL با استفاده از شش بنچمارک بهینهسازی گسسته و پیوسته مقایسه شدند. بر طبق نتایج شبیهسازی، افزودن رفتار شناختی بهSFL به مقدار قابل توجهی کارایی این الگوریتم را برای حل مسائل بهینهسازی افزایش میدهد. این بهبود کارایی، با افزایش مقیاس مساله آشکارتر میشود
Keywords:
Authors
سمیه رنجکش
دانشکده برق، رایانه و فناوری اطلاعات دانشگاه آزاد اسلامی قزوین
محمدرضا میبدی
عضو هیئت علمی دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنع
بهروز معصومی
عضو هیئت علمی دانشکده برق-رایانه دانشگاه آزاد اسلامی واحد قزوین
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 :