بهبود الگوریتم PSO با استفاده از آتاماتا یادگیر

الگوریتم ازدحام ذرات یک روش بهینه سازی، براساس قوانین احتمال است. در این روش هر یک از ذرات درفضای جستجو به سمت بهترین تجربه شخصی و بهترین تجربه گروه حرکت میکنند سپس، موقعیت جدید هر ذره توسطتابع شایستگی ارزیابی میشود. با گذشت زمان، ذرات به سمت ذراتی که دارای شایستگی بالاتری هستند، شتابمیگیرند. این رفتار در بعضی از مسائل باعث میشود که ذرات در بهینه های محلی قرار گیرند و قدرت بهینه سازی و دقتالگوریتم کاهش یابد. در این مقاله یک الگوریتم جدید به نام DMPSO&LA پیشنهاد می شود که به منظور تعیین یک مسیر حرکت مناسب برای ذرهها و همچنین گریز از بهینههای محلی از یک آتاماتا یادگیر با سه عمل استفاده میکند، جستجو محلی،سراسری و ایجاد بینظمی. در هنگام جستجو محلی، به منظور افزایش جستجوی محلی در اطراف بهترین ذره، و هدایتآنها به سمت نقاط برتر، ذرهای به جمعیت اضافه میشود سپس این ذره را جایگزین ذره با کمترین شایستگی میکند وزمانی که در وضعیت ذرهها بهبودی حاصل نشود با ایجاد شوک، از بهینهی محلی دور میشوند. نتایج آزمایشات بر رویمسائل نمونه نشان دادهاند که روش ارائه شده از دقت بالاتری نسبت به روشهای مشابه برخوردار است.

کلیدواژه ها:

الگوریتم بهینه سازی ازدحام ذرات ، توابع بهینه ساز ، آتاماتا یادگیر