افزایش تنوع در الگوریتم بهینه سازی ازدحام ذرات با جستجوی محلی

در این مقاله روشی 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 مقدردهی 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 به نزدیک شدن به نواحی بهینه را دارند. ویژگی الگوریتم نتیجه گرفتن در توابع با ابعاد بالا و همچنین توابع دارای اسکترمم های محلی زیاد است. حرکت در جهت دور شدن از نواحی مناسب باعث می شود الگوریتم در مواجهه با مسائل با ابعاد بسیار بزرگ و نیز مسائلی که در آنها جمعیت دارای توزیع اولیه نامناسبی است به خوبی عمل کرده و نتایج مناسبی از خود نشان دهد. پراکندی نامناسب جمعیت اولیه در اگوریتم بهینه سازی گروه ذرات تاثیر منفی دارد این الگوریتم با مهاجرت کلی ذرات به سمت فضای مناسب به نقاط بهینه همگرا می شود.

کلیدواژه ها:

تنوع ، جست و جوی محلی ، بهینه سازی سراسری ، بهینه سازی گروه ذرات