ارائه یک الگوریتم جفت دسته ای برای بهینه سازی مسائل ایستای Multimodal براساس الگوریتم PSO
Publish place: The 6th Conference of Al Robotics
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 796
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
IRANOPEN06_027
Index date: 12 November 2016
ارائه یک الگوریتم جفت دسته ای برای بهینه سازی مسائل ایستای Multimodal براساس الگوریتم PSO abstract
بهینه سازی یکی از مهمترین مسائل در حوزه ی مهندسی، صنعت و اقتصاد می باشد. یکی از راه حل های حل مسائل بهینه سازی پیچیده که دارای پارامترهای زیادی هستند، استفاده از الگوریتم های هوش جمعی می باشد. اخیراً توجه خاصی به حل مسائل بهینه سازی شده است. مسائل بهینه سازی دارای چالش های مختلفی هستند که باعث شده تاکنون روش های متعددی توسط محققان برای رفع آن ها ارائه شود. در این مقاله، الگوریتم جدید Bi-swarmPSO برای بهینه سازی در محیط های ایستای multimodal بر پایه ی الگوریتم بهینه سازی دسته ذرات پیشنهاد شده است. در الگوریتم پیشنهادی از مکانیزم جفت دسته ای برای پوشش فضای مسئله استفاده شده است. همچنین در روش پیشنهادی یک مکانیزم دسته های جدید برای افزایش کارایی ارائه شده است. هدف اصلی این الگوریتم جلوگیری از افتادن در بهینه های محلی و تقسیم وظایف جستجوی سراسری و محلی بین دو دسته از ذرات می باشد. کارایی الگوریتم پیشنهادی بر روی بنچمارک های متعددی و با کارایی چندین الگوریتم شناخته شده ی دیگر در این زمینه مقایسه گردیده است. نتایج آزمایشات نشان دهنده ی برتری و کارایی بالای الگوریتم پیشنهادی می باشد.
ارائه یک الگوریتم جفت دسته ای برای بهینه سازی مسائل ایستای Multimodal براساس الگوریتم PSO Keywords:
ارائه یک الگوریتم جفت دسته ای برای بهینه سازی مسائل ایستای Multimodal براساس الگوریتم PSO authors
احمد قربانی راد
دانشگاه آزاد اسلامی، واحد قزوین، دانشکده برق، رایانه و فناوری اطلاعات
محمدرضا میبدی
دانشگاه فنی امیر کبیر، 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 :