بهبود الگوریتم بهینه سازی فراابتکاری runner-root با تطبیق پویای پارامترها از طریق منطق فازی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 580

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTCK02_134

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

یکی از جدیدترین الگوریتم های تکاملی که اخیر ا معرفی شده است الگوریتم فراابتکاری بهینه سازی runner-rootمی باشد که از ساقه های رونده و ریشه های بعضی گیاهان در طبیعت الهام گرفته شده است. این الگوریتم سرعتهمگرایی و دقت بالایی در حل مسائل و دستیابی به نقطه بهینه سراسری دارد. در این مقاله یک روش برای تطبیقپویای پارامترها در الگوریتم بهینه سازی فراابتکاری runner-root ارائه شده است. در این مقاله، ما برای بهبود همگرایی و ایجاد تنوع در جمعیت الگوریتمrunner-root، از قوانین فازی برای کنترل پارامترهای کلیدی این الگوریتم استفاده می کنیم تا به بهترین انطباق پویای ممکن مقدار این پارامترها برسیم. کارایی الگوریتم پیشنهادی توسط توابع ریاضی پایه CEC'2005 استاندارد که شامل مسائل تک گانه و چندگانه می باشد، ارزیابی می شود و نتایج با الگوریتم runner-root مقایسه می شود. نتایج شبیه سازی نشان میدهد که روش پیشنهادی باعث بهبود عملکرد الگوریتم runner-root شده است، و همچنین الگوریتم پیشنهادی دارای دقت و سرعت همگرایی بالاتری نسبت به الگوریتم runner-root می باشد و در رسیدن به نقطه بهینه سراسری عملکرد بهتری دارد.

کلیدواژه ها:

الگوریتم بهینه سازی فراابتکاری ، runner-root ، تطبیق پویای پارامتر ، منطق فازی

نویسندگان

الهام خسروی ثانی

گروه هوش مصنوعی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

سیدجواد مهدوی چابک

گروه هوش مصنوعی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

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 :
  • I. BoussaiD, J. Lepagnot, and P. Siarry, "A optimization metaheuristic ...
  • Information Sciences, vol. 237, pp. 82-117, 2013. ...
  • F. Merrikh-Bayat, "The runner-root algorithm: A metaheuristic for solving unimodal ...
  • S. N. Sivanandam, S. Sumathi, and S. N. Deepa, Introduction ...
  • Technologies and Applications, " InTech, doi, vol. 10, p. 2337, ...
  • A. Sombra, F. Valdez, P. Melin, and O. Castillo, "A ...
  • P. Melin, F. Olivas, O. Castillo, F. Valdez, J. Soria, ...
  • logic, " Expert Systems with Applications, vol. 40, pp. 3196-3206, ...
  • F. Valdez, P. Melin, and O. Castillo, "An improved evolutionary ...
  • optimization and genetic algorithms, " Applied Soft Computing, vol. 11, ...
  • H. Salehinejad and S. Talebi, "Dynamic fuzzy logic-ant colony system-based ...
  • J. Harris, Fuzzy logic applications in engineering science vol. 29: ...
  • A. T. Azar, "Adaptive neuro-fuzzy systems, " Fuzzy systems, pp. ...
  • S. Coupland and R. John, "Geometric type-1 and type-2 fuzzy ...
  • M. Crepinsek, S.-H. Liu, and M. Mernik, "Exploration and exploitation ...
  • S.-H. Liu, M. Mernik, D. HrncIc, and M. Crepinsek, "A ...
  • application for fitting Sovova's mass transfer model, " Applied Soft ...
  • P. N. Suganthan, N. Hansen, J. J. Liang, K. Deb, ...
  • نمایش کامل مراجع