افزایش تنوع در الگوریتم بهینه سازی ازدحام ذرات با جستجوی محلی
Publish place: Conference on Computer Engineering and Sustainable Development with a focus on computer networking, modeling and systems security
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,279
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CESD01_066
Index date: 16 March 2014
افزایش تنوع در الگوریتم بهینه سازی ازدحام ذرات با جستجوی محلی abstract
در این مقاله روشی مبتنی بر هوش جمعی برای حل مسائل بهینه سازی ارائه می شود. روش پیشنهادی با استفاده از دو مرحله تحرک و همگرایی جمعیت به نتایج جالبی در انواع توابع می رسد. در این روش جمعیت اولیه ذرات مقدردهی شده و سپس این ذرات در هر مرحله ابتدا خود را از نواحی نامناسب دور کرده و پس از آن به نواحی مناسب مهاجرت می کنند و در نهایت در این نواحی سعی به نزدیک شدن به نواحی بهینه را دارند. ویژگی الگوریتم نتیجه گرفتن در توابع با ابعاد بالا و همچنین توابع دارای اسکترمم های محلی زیاد است. حرکت در جهت دور شدن از نواحی مناسب باعث می شود الگوریتم در مواجهه با مسائل با ابعاد بسیار بزرگ و نیز مسائلی که در آنها جمعیت دارای توزیع اولیه نامناسبی است به خوبی عمل کرده و نتایج مناسبی از خود نشان دهد. پراکندی نامناسب جمعیت اولیه در اگوریتم بهینه سازی گروه ذرات تاثیر منفی دارد این الگوریتم با مهاجرت کلی ذرات به سمت فضای مناسب به نقاط بهینه همگرا می شود.
افزایش تنوع در الگوریتم بهینه سازی ازدحام ذرات با جستجوی محلی Keywords:
افزایش تنوع در الگوریتم بهینه سازی ازدحام ذرات با جستجوی محلی authors
مهدی کولیوند سالوکی
دانشجوی دکتری مهندسی شیمی، دانشکده مهندسی شیمی دانشگاه تهران
عاطفه زویداوی
کارشناسی علوم کامپیوتر دانشکده علوم ریاضی و کامپیوتر دانشگاه شهید چمران
حسین ضیایی راد
کارشناسی علوم کامپیوتر، دانشکده علوم ریاضی و کامپیوتر دانشگاه شهید چمران
مائده الهی
کارشناسی علوم کامپیوتر دانشکده علوم ریاضی و کامپیوتر دانشگاه شهید چمران
فاطمه شریفی
کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان
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 :