بررسی آشوب در الگوریتم های بهینه سازی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,332

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AEBSCONF01_196

تاریخ نمایه سازی: 6 آبان 1393

چکیده مقاله:

آشوب اغلب در سیستم های غیر خطی وجود دارد. آشوب یک نوع ویژگی می باشد که دارای رفتار دینامیکی ناپایدار محدود و نمایش حساس وابستگی به شرایط اولیه است. استفاده از توالی آشوبناک به عنوان یک جایگزین جالب، برای بهبود تنوع جستجو در الگوریتم های بینه سازی می باشد. الگوریتم های بهینه سازی به یک ابزار مهم هوش جمعی تبدیل شده اند که تقریبا در تمام زمینه های مهندسی استفاده شده هستند با توجه به عدم تکرار آشوب، الگوریتم های بهینه سازی آشوبناک، بطور کلی می توانند جستجو های در سرعت های بالاتر از جستجوی ergodic تصادفی که وابسته به احتمالات می باشد انجام دهند. هدف از این مقاله، بررسی استفاده از آشوب در الگوریتم های بهینه سازی و مرور برخی تحقیقات انجام شده در استفاده از آشوب در الگوریتم های بهینه سازی می باشد. تحقیقات نشان می دهند که برخی الگوریتم های بهینه سازی آشوبناک می توانند به وضوح بهتر از الگوریتم های بهینه سازی استانداد باشند.

کلیدواژه ها:

آشوب ، الگوریتم های بهینه سازی ، توالی های آشوبناک

نویسندگان

نادیا نکوئی

دانشگاه آزاد اسلامی واحد مشهد

عاطفه نکوئی

دانشگاه آزاد اسلامی واحد مشهد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • A.H. Gandomi , X.-S. Yang , S 2013. Talatahari A.H. ...
  • C. Blum, X. Li 2008. Swarm intelligence in optimization, in: ...
  • _ Beekman, G. Sword, S. Simpson 2008. Biological foundations of ...
  • G. Beni, J. Wang 1989. Swarm intelligence in cellular roboti ...
  • M. Dorigo, G. Di Caro 1999. The ant colony optimization ...
  • Korosec J. Silc, B. Filipic 2012. The differential ant-stigmergy algorithm, ...
  • J. Kennedy, R. Eberhart 1999. The particle SWarm optimization: social ...
  • D. Karaboga, B .Basturk 2007. A powerful and efficient algorithm ...
  • I , Fister, I .FisterJr. , J.Brest, V 2012. Zumer, ...
  • N. Lorenz, Edward. _ 1963. Deterministic Nonperiodic Flow, Journal of ...
  • Kuo, Dwight 2005. Chaos and its computing paradigm, IEEE, Vol ...
  • Maldonado J A, Hernandez J A. s. l 2007. Chaos ...
  • YOU Yong, SIieiig Wanxing, Wang sunan 2002. STUDY OF CHAOS ...
  • L. Coelho, V.C , Mariani 2008. Use of chaotc sequences ...
  • M.S. Tavazoei, M. Haeri 2007. Comparison of different One- dimensional ...
  • R.C. Hilborn 2004. Chaos and Nonlinear Dynamics: An Introduction for ...
  • D. He, C. He, L. Jiang, H. Zhu, G. Hu ...
  • A. Erramilli, R.P. Singh, P. Pruthi 1994. Modeling packet traffic ...
  • R.M. May 1976. Simple mathematical models with very complicated dynamic ...
  • Y. Li, S. Deng, D. Xiao 2011 A novel Hash ...
  • MaCauley JL 1993. Chaos, dynamics and fractals. Cambridge: Cambridge University ...
  • Yang DX, Li G, Cheng GD 2006 .Convergence analysis of ...
  • Li B, Jiang WS 2007. Optimizing complex function by chaos ...
  • Yang DX, Li G, Cheng GD 2007. On the efficiency ...
  • A.G. Tomida 2008.Matlab toolbox and GUI for analyzing _ -dimensional ...
  • R.L. Devaney 1987. An Introduction o Chaotic Dynamical Systems, Addison-Wes ...
  • H. Peitgen, H. Jurgens, D. Saupe 1992. Chaos and Fractals, ...
  • E. Ott 2002. Chaos in Dynamical Systems, Cambridge University Press, ...
  • Amir H. Gandomi, Xin- She Yang 2014. Chaotic bat algorithm, ...
  • Xiaofang Yuan, Jingyi Zhao, Yimin Yang, Yaonan Wang 2014. Hybrid ...
  • Dixiong Yang, Zhenjun Liu, Jilei Zhou 2014. Chaos optimization algorithms ...
  • نمایش کامل مراجع