طراحی الگوریتم بهینه سازی جدید با الهام از الگوریتم علف های هرز
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,800
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICTCK02_108
Index date: 29 October 2016
طراحی الگوریتم بهینه سازی جدید با الهام از الگوریتم علف های هرز abstract
الگوریتم بهینه سازی علف های هرز یک الگوریتم جدید قدرتمند با الهام از تکثیر و رشد علف های هرز است که اولینبار توسط لوکاس و محرابیان در سال 2006 معرفی شد .از آن زمان تا کنون، از این الگوریتم در بسیاری از مسائلمهندسی نظیر حل مسائل چند هدفه، طراحی آنتن و حل معادلات غیر خطی استفاده شده و با توجه به کاربردهایمتفاوت نتایج موفقیت آمیزی داشته است .الگوریتم علف های هرز با وجود سادگی و کارایی که دارد، از توانایی استخراجخوبی برخوردار نیست و معمولا دقت جواب های بدست آمده پایین است؛ همچنین از تعدادی پارامتر اولیه برخورداراست که در کیفیت جواب بسیار موثر بوده و در تعیین آنها عموما از روش سعی و خطا استفاده می شود.در روش پیشنهادی این مقاله، با ایجاد تغییراتی در ساختار الگوریتم علف های هرز، و نحوه تولید دانه ها در هر تکرار،با استفاده از فرمولی جدید برای واریانس هر دوره؛ علاوه بر حذف تعدادی از پارامترهای قابل تنظیم اولیه، روشیقدرتمند برای حل مسائل بهینه سازی، و خصوصا در ابعاد بالا، ارائه می گردد .در روش پیشنهادی علاوه بر سادگیبیشتر دقت جوابهای بدست آمده به طور چشمگیری بهبود می یابد .نتایج پیاده سازی صحت این ادعا را تایید می کند .به عنوان مثال در تابع Elipsoid با بعد 100 نتایج الگوریتم پیشنهادی نسبت به IWO ساده بیش از 99 درصد بهبود را نشان می دهد.
طراحی الگوریتم بهینه سازی جدید با الهام از الگوریتم علف های هرز Keywords:
طراحی الگوریتم بهینه سازی جدید با الهام از الگوریتم علف های هرز authors
ندا باقرزاده رفسنجانی
دانشگاه آزاد اسلامی، واحد مشهد،گروه هوش مصنوعی، مشهد، ایران
سیدجواد سیدمهدوی چابک
دانشگاه آزاد اسلامی، واحد مشهد،گروه هوش مصنوعی، مشهد، ایران
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 :