استفاده از الگوریتم بهینه سازی ممتیک جدید

محمدرسول نیک بخش; حامد یاوری

استفاده از الگوریتم بهینه سازی ممتیک جدید

Publish place: The first national conference on modern sciences and technologies in Iran

Publish Year: 1394

نوع سند: مقاله کنفرانسی

زبان: Persian

This Paper With 8 Page And PDF Format Ready To Download

دریافت فایل کامل Paper

Certificate
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

https://civilica.com/doc/434654

شناسه ملی سند علمی:

PFCONF01_156

تاریخ نمایه سازی: 30 بهمن 1394

Abstract:

امروزه توجه بسیاری از محققیق به بحث بهینه سازی و بهینه سازی عددی معطوف شده است. الگوریتم های بهینه سازی تکاملی از مهمترین وپرکاربرد ترین ابزارهای بهینه سازی در چند دهه گذشته بوده اند. لذا در این مقاله به معرفی و بررسی یک الگوریتم بهینه سازی ممتیک جدید برپایه ی الگوریتم بهینه سازی انبوه ذرات می پردازیم. در الگوریتم پیشنهادی الگوریتم بهینه سازی انبوه ذرات با یک بخش جستجوی محلی تو درتو ترکیب شده است، که در هر مرحله از الگوریتم، اجرا می شود. بخش جستجوی محلی نیز شامل دو زیربخش می باشد، بخش اعمال جستجویمحلی روی ذرات برگزیده، و بخش اعمال جستجوی محلی روی ذرات برگزیده شده از بین ذرات برگزیده قبل. لذا در هر مرحله بهترین ذرات بادو مرحله جستجو انتخاب شده و بروزرسانی ها دقیق تر و بهتر صورت می پذیرد. نتایج شبیه سازی ها نشان از عملکرد بسیار مناسب الگوریتم بهینهسازی ممتیک ارائه شده نسبت و همچنین برتری آن نسبت به دیگر الگوریتم ها در بهینه سازی مسائل عددی دارد.

Keywords:

بهینه سازی عددی , الگوریتم های تکاملی

Authors

محمدرسول نیک بخش

استاد دانشگاه آزاد اسلامی واحد سیرجان (دانشگاه پردیس)

حامد یاوری

کارمند شرکت توزیع برق جنوب استان کرمان

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 :

P. Moscato, "On evolution, search, optimization, genetic algorithms and martial ...
X.S. Yang, _ Nature- Inspired Metaeuristic Algorithms", Luniver Press (2008). ...
F. _ der Bergh, "An Analysis of Particle Swar Optimizers", ...
Yang X-S. Firefly algorithms for multimodal optimization. in , Watanabe ...
Z. Xinchao, A perturbed particle SWar algorithm for numerical optimization, ...
F. Neri, C. Cotta, Memetic algorithms and memetic computing optimization: ...
P. Merz, Memetic algorithms for combinatorial optimization problems _ fitness ...
P. Merz, B. Freisleben, Fitness landscapes: memetic algorithms and greedy ...
R. W. Chen, M. Gen, Paralle] machine scheduling problems using ...
R. C. Eberhart, ]. Kennedy, "A New Optimizer Called Particle ...
E. K. Burke, A.]. Smith, Hybrid evolutionary techniques for the ...
Y. S. Ong, A. J. Keane, M eta -Lamarckian learning ...
Hongfeng Wang , Ikyeong Moon , Shenxiang Yang , Dingwei ...

نمایش کامل مراجع