بهبود الگوریتم بهینه سازی فراابتکاری runner-root مبتنی بر بردارهای متعامد
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 549
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTCK03_008
تاریخ نمایه سازی: 10 تیر 1396
Abstract:
در چند دهه اخیر، استفاده از الگوریتم های تکاملی برای حل مسایل گوناگون جستجو و بهینه سازی های پیوسته و گسسته، رشد فزاینده ای داشته است، در حقیقت ما به طور پیوسته به دنبال راه حل های بهینه برای مسایلی هستیم که با آن ها روبرو می شویم. از جدیدترین الگوریتم های تکاملی که اخیرا معرفی شده است الگوریتم فراابتکاری بهینه سازی runner-root می باشد که از ساقه ها ی رونده و ریشه های بعضی گیاهان در طبیعت الهام گرفته شده است. این الگوریتم سرعت همگرایی و دقت بالایی در حل مسایل و دستیابی به نقطه بهینه سراسری دارد. در این مقاله، برای بهبود سرعت همگرایی و ایجاد تنوع در جمعیت الگوریتم runner-root، ترکیبی از الگوریتم بهینه سازی فراابتکاری runner-root و الگوریتم حداقل جمعیت جستجو ارایه شده است که در آن با استفاده از بردارهای متعامد، فضای جستجوی مسیله را به طور کامل پوشش می دهیم. کارایی الگوریتم پیشنهادی توسط توابع ریاضی پایه CEC’2005 استاندارد که شامل مسایل تک گانه و چندگانه می باشد، ارزیابیمی شود و نتایج با الگوریتم runner-root مقایسه می شود. نتایج شبیه سازی نشان می دهد که روش پیشنهادی باعث بهبود عملکرد الگوریتم runner-root شده است، و همچنین الگوریتم پیشنهادی دارای دقت و سرعت همگرایی بالاتری نسبت به الگوریتم runner-root می باشد و در رسیدن به نقطه بهینه سراسری عملکرد بهتری دارد.
Keywords:
Authors
الهام خسروی ثانی
گروه هوش مصنوعی، واحد مشهد، دانشگاه آزاد اسلامی واحد مشهد، ایران
سیدجواد سیدمهدوی چابک
گروه هوش مصنوعی، واحد مشهد، دانشگاه آزاد اسلامی واحد 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 :