الگوریتم بهینه سازی تلفیقی مبتنی بر جغرافیای زیستی و اجتماع دسته ذرات (PSBBO)

در این مقاله یک الگوریتم ترکیبی جدید که تلفیقی از الگوریتم های بهینه سازی مبتنی بر جغرافیای زیستی (BBO) و الگوریتم بهینه سازی اجتماع ذرات (PSO) است معرفی شده است. این الگوریتم که PSBBO نام گذاری شده است به منظور ارتقا عملکرد الگوریتم های پایه و استفاده از مزیتهای هردوی این الگوریتم ها توسعه یافته است. با استفاده از الگوریتم PSO ایستایی الگوریتم BBO کاسته شده و سرعت جستجو در فضا بالاتر می رود و از طرف دیگر از مزیت کاوش الگوریتم BBO در ارتقای الگوریتم PSO بهره برده می شود. این الگوریتم با استفاده از مزیت های هر دو الگوریتم با احتمال کمتری به جواب بهینه محلی می رسد. همچنین در الگوریتم BBO پیشنهادی نحوه نخبه گزینی الگوریتم پایه BBO نیز توسعه یافته است. در این روش در صورت تکراری بودن جوابها، بهترین جواب بعدی جایگزین می گردد، در حالی که در الگوریتم پایه جواب رندم جایگزین می گردید. عملکرد الگوریتم پیشنهادی با الگوریتم های پایه برای حل مسایل متداول بهینه سازی با ویژگی های متفاوت، که در ادبیات موضوع مطرح اند با استفاده از آزمون t- استیودنت مقایسه شده است. نتایج بررسی ها و تجزیه و تحلیل بر روی عملکرد الگوریتمها کارایی بالاتر الگوریتم پیشنهادی را نشان می دهد و عملکرد الگوریتم پیشنهادی برای بهینه سازی اغلب توابع نسبت به الگوریتم پایه BBO کارایی بالاتری داشته است.

Keywords:

محاسبات نرم , الگوریتم بهینه سازی , جغرافیای زیستی , اجتماع ذرات , الگریتم تلفیقی