الگوریتم ببهینه سازی گروه ذرات اشتراکی برای مسایل بهینه سازی محدود غیرخطی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 702

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CESD01_068

تاریخ نمایه سازی: 25 اسفند 1392

چکیده مقاله:

این مقاله یک الگوریتم بهینه سازی ازدحام گروهی ذرات (CSHPO) برای مسائل بهینه سازی محدود پیشنهاد می دهد. این الگوریتم از ترکیب الگوریتم SHPSO الگوریتم PSO که بعدهای آن کاهش یافته و به تازگی پیشنهاد شده با دیدگاه تکامل تفاضی (DE) بدست آمده است. در این روش کل ازدحام به دو زیرمجموعه ازدحام تقسیم می شود که زیرمجموعه اولی از SHSPO و دومی از DE استفاده می کند یک رویکرد آماری برای نشان دادن اهمیت داده های آزمایشات اعمال شده است. به منظور سنجیدن بیشتر مسئله CSHPO مسئله پخش بار اقتصادی با تاثیر نقطه شیر (ED with valve points effects) برای 40 واحد تولیدی انجام شده است نتایج حاصل از مسائلی که از CSHPSO استفاده می کنند با SHPSO، DE و راه حل های موجود مقایسه شده اند می توان نتیجه گرفت که CSHPSO قادر به ارائه حداقل هزینه برای مسئله ED در مقایسه با دیگر الگوریتم هاست از این رو CSHPSO یک الگوریتم co-swarm PSO امیدوارکننده است که برای حل هرگونه مسئله بهینه سازی واقعی مفید و محدود مورد استفاده قرار می گیرد.

کلیدواژه ها:

نویسندگان

فاطمه شریفی

کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان

مهدی کولیوند

دانشجوی دکتری مهندسی شیمی، دانشکده مهندسی شیمی، دانشگاه تهران

عباسعلی کیانی

کارشناسی علوم کامپیوتر دانشکده علوم ریاضی و کامپیوتر دانشگاه شهید چمران

باقر سواری

کارشناسی علوم کامپیوتر دانشکده علوم ریاضی و کامپیوتر دانشگاه شهید چمران

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 :
  • _ Xin, J. Chen, J. Zhang, H. Fang, Z. Peng, ...
  • B. Jiao, Z. Lian, X. Gu, A dynamic inertia weight ...
  • D. Chen, C. Zhao, Particle _ optimization with adaptive population ...
  • M. Ali, P. Kaelo, Improved particle sWarm algorithms for global ...
  • R. Storn, K. Price, Differential evolution - a simple and ...
  • A. Qin, V. Huang, P. Suganthan, Differential evolution algorithm with ...
  • R. Mallipeddi, P. Suganthan, Q. Pan, M. Tasgetiren, Differential evolution ...
  • H. Sharma, J. Bansal, K. Arya, Fitness based differential evolution, ...
  • E. Nwankwor, A. Nagar, D. Reid, Hybrid differential evolution and ...
  • M. Ali, P. Siarry, M. Pant, An efficient differential evolution ...
  • Z. Wang, X. Hu, X. He, New hybrid optimization based ...
  • J. Liang, T. Runarsson, E. Mezura-M ontes, M. Clerc, P. ...
  • J. Kennedy, R. Eberhart, Particle SWarm optimization, in: Proceedings ofIEEE ...
  • D. Karaboga, _ Akay, A modified artificial bee colony (abc) ...
  • Y. Wang, Z. Cai, A hybrid multi-swarm particle SWarm optimization ...
  • J. Park, K. Lee, J. Shin, K. Lee, A particle ...
  • L. Coelho, V. Mariani, Combining of chaotic differential evolution and ...
  • J. Park, Y. Jeong, J. Shin, K. Lee, J. Kim, ...
  • N. Sinha, R. Chakrabarti, P. Chattopadhyay, Evolutionary programming tech-niques for ...
  • T. Victoire, A. Jeyakumar, Hybrid PSO-SQP for economic dispatch withvalve ...
  • نمایش کامل مراجع