تقویت الگوریتم بهینه ساز گروه جستجو با استفاده از تنظیم هوشمند پارامتر حداکثر فاصله تعقیب
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 849
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CSITM01_012
Index date: 1 September 2014
تقویت الگوریتم بهینه ساز گروه جستجو با استفاده از تنظیم هوشمند پارامتر حداکثر فاصله تعقیب abstract
در این مقاله به معرفی و بهبود یکی از الگوریتم های تکاملی (EA) الهام گرفته از طبیعت می پردازیم. این الگوریتم جدید، بهینه سازگروه جست و جو (GSO) نام دارد که از رفتار جستجوی حیوانات برای پیدا کردن غذا الهام گرفته است. چارچوب استفاده شده در این الگوریتم مدل تولید کننده – برداشت کننده می باشد. به منظور پیاده سازی این مدل، در بهینه سازی گروه جستجو از یک مکانیسم پویش محیط با زوایای مختلف استفاده شده است. الگوریتم بهینه ساز گروه جستجو شامل سه نوع عضو میباشد: عضو تولیدکننده، عضو برداشتکننده و عضو تکاور. در این الگوریتم پارامتر حداکثر فاصله تعقیب رابطه مستقیم با طول قدم برداشته شده توسط عضوهای تولیدکننده دارد. این پارامتر تأثیر مستقیم در قدرت تولیدکنندگی اعضاء تولیدکننده دارد. در این مقاله، به منظور بهبود الگوریتم بهینه ساز گروه جستجو پارامتر حداکثر فاصله تعقیب به صورت تطبیقی تنظیم شده است. رویکرد تطبیقی جدید، با استفاده از نرخ موفقیت جمعیت به عنوان بازخورد، پارامتر حداکثر فاصله تعقیب را تنظیم می کند. با هدف ارزیابی مستقیم بهینه سازی گروه جستجو، این الگوریتم بر روی مجموعه ای غنی از تابع های بهینه سازی که از مسائل دنیای واقعی الهام گرفته اند تست شده است. تابع های محک شامل دو نوع کلی مسائل تک قله ای و چندقله ای می باشند. آزمایشها در دو مقیاس 30 بعد و 300 بعد (ابعاد بالا) انجام شده اند. نتایج آزمایش ها نشان می دهند که مکانیسم پویش محیط الگوریتم بهینه ساز گروه جستجو تابع های محک تک قلهای 30 بعدی را به سادگی، تابع های محک چندقله ای 30 بعدی را با دقت بالا و تابعهای محک 300 بعدی را نیز به سرعت بهینه می سازد.
تقویت الگوریتم بهینه ساز گروه جستجو با استفاده از تنظیم هوشمند پارامتر حداکثر فاصله تعقیب Keywords:
تقویت الگوریتم بهینه ساز گروه جستجو با استفاده از تنظیم هوشمند پارامتر حداکثر فاصله تعقیب authors
سهیلا عابدینی
دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، دانشکده مهندسی کامپیوتر و فناوری اطلاعات
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 :