الگوریتم فراابتکاری شبه الکترومغناطیسی هوشمند

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 830

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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MHAA01_124

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

تاکنون الگوریتم های فراابتکاری مختلفی معرفی شده است که دربسیاری ازعلوم مهندسی و سایررشته ها مورداستفاده قرارگرفته میگیرد تقریبا همه الگوریتم های معرفی شده الهام گرفته ازپدیده های طبیعی و رفتارموجودات زنده یا اصول وقوانین مربوط به علومی مانند فیزیک می باشند تعدادی ازاین الگوریتم ها به صورت انفرادی و تعدادی مبتنی برجمعیت هستند دراین مقاله یک الگوریتم مبتنی بررفتاردسته جمعی ذرات که ازهوش دسته جمعی آنها استفاده می کند معرفی میشود عوامل جستجویاذرات بارهای الکتریکی واقع درجسم هستند که طبق قانون کولن برهم نیرو وارد می کنند و درعین حال درنقاط نوک تیز وباانحنا بیشتر تجمع دارند درحقیقت با معرفی ضرایب دنباله روی با الهام ازحرکت ذرات وتجمع درنقاط نوک تیز جواب بهینه یافت میشود نقاط نوک تیز مطرح شده همان نقاط کمینه و یابیشینه ی توابع درمسائل مختلف هستند که توسط ذرات دنبال میشوند عملکرد الگوریتم معرفی شده توسط 23تابع محک استاندارد بررسی و نتایج با چندالگوریتم فراابتکاری مقایسه شده است

کلیدواژه ها:

الگوریتم فراابتکاری ، الگوریتم بهینه سازی گروه ذرات PSO ، الگوریتم شبه الکترومغناطیسی EM ، الگوریتم شبه الکترومغناطیسی هوشمند IEM

نویسندگان

سیدعلی احمدی

دانشکده مهندسی برق وکامپیوتردانشگاه بیرجند

ناصر مهرشاد

دانشکده مهندسی برق وکامپیوتردانشگاه بیرجند

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 :
  • _ Yue, T. Guanzheng and W. Xuedong, "Hybrid real-coded genetic ...
  • F. Juang, _ hybrid of genetic algorithm and particle _ ...
  • K. Socha and M Dorigo, "Ant colony optimization for continuous ...
  • X. Yao, Y. Liu, G. L in, "Evolutionary programing made ...
  • Dorigo, M. "Optimization Learning and Natural Algorithm", PhD Thesis, Politecnico ...
  • B. Gu and F. Pan, "Modified gravitational search algorithm with ...
  • J. Kennedy, R.C. Eberhart, "particle Swarm optimization, _ IEEE Int. ...
  • Y Shi, R.C. Eberhart, _ modified particle _ optimization", Proceedings ...
  • Y. Shi and R. C. Eberhart, "Comparing interia weights and ...
  • H. Xiaohui, R.C. Eberhart and H. Shi, "Engineering optimization with ...
  • F. Yang, MY Yong and AX Wang, "comparing with chaotic ...
  • J. C. Bansal, P. K. Singh, M. Saraswat, A. Verma, ...
  • Birbil, S. I. and S. C. Fang, _ ele ct ...
  • Gol-Alikhani, M. Javadian and Tavakkol Moghadam, _ novel hybrid approach ...
  • C. Zhang, X. Li, L. Gao and Q. Wu, "An ...
  • Ali, M. M. and Golalikhani, _ e le ct ro ...
  • J. Jiang, H. Shang, K. Liu and Q. Su, _ ...
  • Cormen, T. H., Leiserson, C.E., Rivest, R.L, Stein, C.، «Introductio ...
  • A., Petrowski, Siarry, P., Taillard, E., ،، Metaheuristi for hard ...
  • - E. Rashedi, H. Nezamabadi-p _ and S. Saryazdi, ،«GSA: ...
  • نمایش کامل مراجع