الگوریتم بهینه سازی گروه ذرات دو مرحلهای
Publish place: 14th Annual Conference of Computer Society of Iran
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,615
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI14_233
تاریخ نمایه سازی: 26 مهر 1387
Abstract:
در این مقاله روشی جدید مبتنی بر هوش جمعی برای حل مسائل بهینه سازی ارائه می شود. روش پیشنهادی, با استفاده از دو مرحله تحرک و همگرایی جمعیت, به نتایج جالبی در انواع توابع می رسد. در این روش جمعیت اولیه ذرات مقداردهی شده و سپس این ذرات در هر مرحله ابتدا خود را از نواحی نامناسب دور کرده و پس از آن به نواحی مناسب مهاجرت می کنند و در نهایت در این نواحی سعی در نزدیک شدن به نقاط بهینه را دارند. ویژگی الگوریتم، نتیجه گرفتن در توابع با ابعاد بالا و همچنین توابع دارای اکسترمم های محلی زیاد است. حرکت در جهت دور شدن از نواحی نامناسب، باعث می شود تا الگوریتم در مواجه با مسائل با ابعاد بسیار بزرگ و نیز مسائلی که در آنها جمعیت دارای توزیع اولیه نامناسبی است نیز به خوبی عمل کرده و نتایج مناسبی از خود نشان دهد. پراکندگی نامناسب جمعیت اولیه, در الگوریتم بهینه سازی گروه ذرات تاثیر منفی دارد. این الگوریتم با مهاجرت کلی ذرات به سمت فضای مناسب، به نقاط بهینه همگرا می شود. در انتها ضمن آزمودن روش پیشنهادی بر روی چند تابع محک
شناخته شده و مقایسه با الگوریتم بهینه سازی گروه ذرات مشاهده می شود که روش پیشنهادی به نتایج بهتری می رسد.
Keywords:
بهینه سازی , هوش جمعی , بهینه سازی گروه ذرات , توابع با ابعاد بالا , اکسترمم محلی , فضا ی جستجو , پراکندگی اولیه
Authors
حسام عمرانپور
دانشگاه صنعتی امیرکبیر, دانشکده کامپیوتر
حمید طاهرپور
دانشگاه صنعتی امیرکبیر, دانشکده کامپیوتر
محمد مهدی عبادزاده
دانشگاه صنعتی امیرکبیر, دانشکده کامپیوتر
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 :