هوشمندسازی الگوریتم گرادیان با الهام از الگوریتم بهینه سازی ازدحام ذرات

الگوریتم گرادیان یکی از ساده ترین و متداولترین روشهای بهینه سازی بهشمار میرود و از الزامات اجرا و پیاده سازی آن، انتخاب مقدار مناسب برای طول گام میباشد. کارایی الگوریتم گرادیان به شدت به انتخاب و تعیین یک مقدار مناسب برای طول گام بستگی دارد. طول گام بسیار بزرگ میتواند باعث واگرایی و نوسان حول نقطه بهینه گردد درحالیکه طول گام بسیارکوچک از واگرایی جلوگیری کرده اما سرعت همگرایی بسیارکند خواهد بود. معمولا طول گام را در مراحل اولیه بهینه سازی بزرگتر انتخاب کرده و با نزدیک شدن به مراحل آخری و رسیدن به جواب بهینه، مقدار آن را کاهش میدهند که این مسئله بصورت تجربی و با سعی وخطا انجام میشود و زمان زیادی را جهت تنظیم پارامترهای روش گرادیان می طلبد. از طرف دیگر، در روشهای مبتنی بر هوش جمعی، از جمله در روش بهینه سازی ازدحام ذرات (PSO) طولگام حرکت بصورت خودکار و درحین اجرای روش تغییر میکند و نیازی به انتخاب و تنظیم آن نیست. در این مقاله با ایده گرفتن از الگوریتم PSO، یک روش هوشمند جدید پیشنهاد شده است. عملکرد الگوریتم گرادیان پیشنهادیو الگوریتم گرادیان متداول برروی پنج تابع هزینه استاندارد مورد بررسی قرارگرفته و مشاهده میشود که در تمام موارد، الگوریتم پیشنهادی عملکرد بهتری نسبت به الگوریتم متداول از خود نشان میدهد.