بهینه سازی الگوریتم کرم شب تاب با محاسبه برآیند بهترین و بدترین مکان ذرات

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,349

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:

CSITM02_166

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

الگوریتم کرم شب تاب یک الگوریتم فرا ابتکاری است که با الهام از رفتار ساطع کردن نور کرم شب تاب به دست آمده است. این الگوریتم یک مدل تکاملی مبتنی بر هوش جمعی و برگرفته از طبیعت می باشد. کاربرد عمده اینالگوریتم در حل مسائل بهینه سازی می باشد. در این مقاله برای افزایش قدرت جستجو و دقت الگوریتم و بهبود نتیجه حاصل از آن یک الگوریتم کرم شب تاب بهبود یافته از طریق تغییر چگونگی حرکت کرم شب تاب وافزایش همگرایی در بهینه سراسری پیشنهاد شده است. نقطه بهینه با توجه به نوع بهینه سازی می تواند ذره ایی باشد که بیشترین و یا کمترین مقدار را دارد، و همچنین مقدار این ذره در هر بار تکرار بروز می شود. در الگوریتمپیشنهادی، هنگامی که دو مقدار یا دو موقعیت با هم مقایسه می شوند مکان جدید با توجه به مکان دو مقدار فعلی و یک برآیند جدید از اختلاف بهترین و بدترین مقدار در بهینه سراسری بدست خواهد آمد. این حرکت موجب فرار از بدترین موقعیت به وجود آمده در الگوریتم خواهد شد و الگوریتم را به سمت جواب بهینه سراسریمی رساند. همچنین برای بهبود نتایج، پارامترهای الگوریتم کرم شب تاب نیز مورد بررسی قرار گرفته است که با 1 موفقیت مقدار بهینه این پارامتر ها مشخص شده است. این الگوریتم برای بهینه سازی چندین / توجه به قانون 5تابع استاندارد شناخته در فضای 11 و 21 و 01 بعدی اجرا شده است. نتایج آزمایشات نشان می دهد که الگوریتم پیشنهادی نسبت به الگوریتم اولیه کرم شب تاب و دیگر الگوریتم های هوش جمعی، از دقت بالایی برای یافتن نقطه بهینه سراسری برخوردار می باشد.

کلیدواژه ها:

نویسندگان

منصوره کریمی

دانشجوی کارشناسی ارشد کامپیوتر، دانشگاه روزبهان، ساری

حسام عمران پور

دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر،تهران

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 :
  • طاهره حسن زاده، محمدرضا میبدی، فریبرز محمودی، "الگوریتم بهبود یافته ...
  • وید مشتاقی یزدانی، مسعود شریعت پناهی، حمید رضا معتمدزاده، پویا ...
  • Rogerio B. Francisco1 , M. Fernanda P. Costa , and ...
  • Darigo, M.; Birattari, M.; Stutzle, T.; "Ant Colony Optimization". In: ...
  • Kennedy, J.; Eberhart, R. C.; " Particle Swarm Optimization". In: ...
  • Pham, D.T.; Ghanbarzadeh _ A.; Koc, E.; Otri, S.; Rahim, ...
  • Proceedings of IPROMS 5112 Conference, pp. 424- 420, 5112. ...
  • Yang, X. S.; _ Natu re-Inspired Metaheuristi Algorithms ". Luniver ...
  • Yang، X. S.; Firefly algorithm for multimodl optimization"، in: stochastic ...
  • Yang, X. S.; "Firefly algorithm، stochastic Test Functions and Design ...
  • Sayadi, M. K.; Ramezanian, R.; Ghaffari-Nasb, N.; "A discrete firefly ...
  • for makespan minimization in permutation flow shop scheduling problems", International ...
  • Yang, X. S.;"Firefly algorithm، levy flight and global optimization" _ ...
  • Yang, X. S., 201 0, "Firefly algorithmi n:research and development ...
  • Liu, Y.; Passino, K. M."Swarm Intelligence: A Survey, In Proc. ...
  • نمایش کامل مراجع