بهبود عملکرد الگوریتم جهش قورباغه مخلوط شده با استفاده از عملگر ترکیب و آشوب

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,275

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICTCK02_132

تاریخ نمایه سازی: 8 آبان 1395

Abstract:

در سال های اخیر برای حل مسائل بهینه سازی نامحدود، روشهای مختلفی از محاسبات تکاملی مورد استفاده قرارگرفته است. الگوریتم های ممتیک دسته خاصی از روشهای جستجوی فرااکتشافی هستند که از مدلهای منطبق برسیستم های طبیعی نتیجه می شوند. الگوریتم جهش قورباغه مخلوط شده نیز یک الگوریتم جستجوی سراسریمی باشد، که الگوهای رفتاری تکاملی گروهی از قورباغه ها را زمانی که به دنبال یافتن محلی با بیشترین مقدار غذامی باشند، تقلید می کند. این الگوریتم در مسائل بهینه سازی با ابعاد بالا نتایج خوبی از خود نشان نمیدهد. در این مقالهروشی در جهت بالابردن دقت و افزایش توانایی الگوریتم جهش قورباغه مخلوط شده در جستجوی محلی و سراسریارائه شده است. در روش پیشنهادی، از آشوب و عملگر ترکیب در قسمت جستجوی محلی، برای بهبود عملکرد الگوریتمپایه استفاده می شود. الگوریتم بهبود یافته با سایر الگوریتم های تکاملی مانند الگوریتم بهینه سازی ازدحام ذراتآشوبناک، الگوریتم رقابت استعماری و الگوریتم جهش قورباغه مخلوط شده پایه مقایسه می شود. این مقایسه بر رویتعدادی از توابع محک، که توابعی پیوسته با ابعاد بالا می باشند، صورت گرفته است. نتایج بر روی میانگین مقدار بهدست آمده در اجراهای متوالی الگوریتمهای مورد نظر و تعداد دفعات فراخوانی تابع برازندگی (NFE) در رسیدن به پاسخ بهینه، مورد بررسی قرار گرفته است. نتایج به دست آمده بیانگر این است که الگوریتم پیشنهادی در مسائل بهینه سازی پیوسته با ابعاد بالا، به نتایج بهتری در رسیدن به پاسخ بهینه دست یافته است.

Keywords:

آشوب , الگوریتم جهش قورباغه , الگوریتم بهینه سازی ازدحام ذرات , بهینه سازی پیوسته

Authors

سمیه پوررجب

دانشگاه آزاد اسلامی، گروه کامپیوتر- هوش مصنوعی، مشهد، ایران

سیدجواد سیدمهدوی چابک

دانشگاه آزاد اسلامی، گروه کامپیوتر- هوش مصنوعی، مشهد، ایران

گلاره ویسی

دانشگاه آزاد اسلامی، گروه کامپیوتر- 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 :
  • Eusuff, M.M. and K.E. Lansey, Optimization of water distribution network ...
  • Eusuff, M., K. Lansey, and F. Pasha, Shuffled frog-leaping algorithm: ...
  • Engineering Optimization, 2006. 38(2): p. 129- 154. ...
  • Huynh, T.-H. A modified shuffled frog leaping algorithm for optimal ...
  • Conference On. 2008. IEEE. ...
  • Zhang, X., et al. An improved shuffled frog leaping algorithm ...
  • Rao, A.R.M. and K. Lakshmi, Optimal design of stiffened laminate ...
  • Amiri, B., M. Fathian, and A. Maroosi, Application of shuffled ...
  • Rahimi-Vahed, A. and A.H. Mirzaei, A hybrid frog-leaping ...
  • algorithm for a mixed-model assembly line sequencing problem. Computers & ...
  • Gomez -Gonzalez, M., F. Ruiz-Ro driguez, and F. Jurado, A ...
  • distribution systems with technical constraints. Internati onal Journal of Electrical ...
  • Niknam, T., B.B. Firouzi, and H.D. Mojarrad, A new evolutionary ...
  • P. Roy, and A. Chakrabarti, Modified shuffled frog leaping algorithm ...
  • M SFLA/GH S/SFLA-GH S/SDE algorithms for economic dispatch problem considering ...
  • Reddy, A.S. and K. Vaisakh, Shuffled differential evolution for economic ...
  • Panda, S., A. Sarangi, and S.P. Panigrahi, A new training ...
  • application to channel equalization. AEU- Internati onal Journal of Electronics ...
  • Cheng, X., et al., The application of Shuffled Frog Leaping ...
  • Neuro computing, 2013. 106: p. 1-11. ...
  • Internati onal Journal of Electrical Power & Energy Systems, 2015. ...
  • Computing, 2014. 19: p. 252-263. ...
  • Boeing, Chaos Theory and the Logistic Map, in Retrieved 201 ...
  • نمایش کامل مراجع