امیر محمدی - دانشگاه تهران

در این مقاله ، ما یک الگوریتم جدید پیشنهاد کرده ایم که PSO و ژنتیک را به طریقی با هم ترکیب می کند بگونه ای که الگوریتم جدید موثرتر و کارآمدتر می شود. این بدان معناست که سرعت رسیدن به پاسخ به طور قابل ملاحظه ای افزایش می یابد و در عین حال دقت پاسخ نیز به مراتب بالاتر است. خاصیت الگوریتم بهینه سازی تجمع این است که به سرعت همگرا می شود ، اما در نزدیکی های نقطه بهینه فرآیند جستجو به شدت کند می شود . از طرفی می دانیم که الگوریتم ژنتیک نیز به شرایط اولیه به شدت حساس است. در حقیقت طبیعت تصادفی عملگرهای ژنتیک ، الگوریتم را به جمعیت اولیه حساس می کند. این وابستگی به شرایط اولیه به گونه ای است که اگر جمعیت اولیه خوب انتخاب نشود ، الگوریتم ممکن است همگرا نشود. در این مقاله با استفاده از این الگوریتم ترکیبی GA- PSO، مکان و اندازه بهینه خازن در یک سیستم توزیع نمونه بدست آمده است . همچنین جایابی بهینه خازن با الگوریتم های PSO و GA بطور جداگانه بدست و نتایج با هم مقایسه شده اند .نتایج نشان می دهند که الگوریتم جدید می تواند سریع تر به پاسخ برسد و به جمعیت اولیه وابسته نیست و پاسخ های دقیق تری را پیدا می کند.

جایابی خازن