بهبود الگوریتم بهینه سازی SSPCO با استفاده از دو نظریه آشوب

بهینه سازی فرایندی است که برای بهتر کردن چیزی دنبال می شود. فکر، ایده و یا طرحی که به وسیله یک دانشمند یا یک مهندس مطرح می شود، طی روال بهینه سازی بهتر می شود. در هنگام بهینه سازی، شرایط اولیه با روش های مختلف مورد بررسی قرار می گیرد و اطلاعات به دست آمده، برای بهبود بخشیدن به یک فکر یا روش مورد استفاده قرار می گیرند. یکی از الگوریتم های جدید بهینه سازی الگوریتم SSPCO می باشد که از رفتار جوجه های پرنده تیهو الگوبرداری شده است. نظریه آشوب شاخه ای از ریاضیات است که به مطالعه رفتار دینامیکی سیستم هایی که به انتخاب های اولیه بسیار حساس هستند می پردازد. در این مقاله با سازوکار جمعیت دهی نظریه آشوب، الگوریتم SSPCO را پیاده سازی کرده ایم. از دو تابع مختلف نظریه آشوب استفاده کرده و الگوریتم را با نظریه آشوب ترکیب کرده ایم و نتایج را با الگوریتم های مشابه مقایسه کرده ایم. نتایج نشان از این دارد که نظریه آشوب تاثیر مثبتی بر روند الگوریتم داشته است.

بهبود الگوریتم بهینه سازی SSPCO با استفاده از دو نظریه آشوب Keywords:

الگوریتم SSPCO , بهینه سازی , هزینه , نظریه آشوب , معادله حرکت