بهبود همگرایی در الگوریتم حرکتدسته جمعی ذرات براساس منطق فازی

حرکت دسته جمعی ذرات PSO یک تکنیک بهینه سازی است که براساس قوانین احتمال و داده هایتصادفی کار می کند دراین روش هر یک از ذرات سعی می کنند به سمتی حرکت کنند که بهترین تجربه های فردی و گروهی در آن نقاط روی داده است که به دنبال این فرایندنقطه بهینه تابع هدف مشخص می شود مشکل اصلی الگوریتم استانداردحرکت دسته جمعی ذرات افتادن در بهینه محلی در توابع محک مادر مانند Rastregin است دراین وضعیت همه ذرات به سمت بهینه محلی همگرا می شوند و هرتلاشی از ذرات و بهینه گروهی برای نجات از این بهینه اثر بخش نخواهد بود دراین مقاله الگوریتمی ترکیبی با استفاده از منطق فازی ارائه می کنیم که دارای 2 ورودی نرمالیزه تکرار فرایند و تفاوت نقطه سراسری بهینه درهر تکرار و 3 خروجی ضریب اینرسی میزان تجربه شخصی و گروهی می باشد

کلیدواژه ها:

حرکت دسته جمعی ذرات ، بهینهمحلی ، بهینه سراسری ، منطق فازی ، سوگنو