CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

PSO با جهش انطباقی برای بهینه سازی چند حالته

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۴۲۷ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: CESD01_015
زبان مقاله: فارسی
حجم فایل: ۱.۸۶ مگابات (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله PSO با جهش انطباقی برای بهینه سازی چند حالته

  رقیه حساوی - کارشناس علوم کامپیوتر، دانشکده ریاضی و کامپیوتر دانشگاه شهید چمران
  مریم سلامات - کارشناس علوم کامپیوتر دانشکده ریاضی و کامپیوتر دانشگاه شهید چمران
  شهلا ملک - کارشناس علوم کامپیوتر، دانشکده علوم ریاضی و کامپیوتر دانشگاه شهید چمران
  فاطمه شریفی - کارشناس ارشد مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی اصفهان

چکیده مقاله:

یک الگوریتم جستجوی تصادفی مبتنی بر جمعیت می باشد که کارایی بهتری نسبت به بسیاری از معیارهای مسائل بهینه سازی دارد. مانند سایر الگوریتم های تصادفی Pso نیز در حل مسائل چند حالته پیچیده در مینیم محلی می افتد. برای رهایی از این مینیمم محلی این مقاله متغیر Pso جدیدی را با به کارگیری استراتژی جهش انطباقی معرفی می کند که mpso نامیده می شود. به منظور بررسی کارایی این متغیر، مجموعه ای از معیارهای چند حالته پیچیده که شناخته شده هستند، در آزمایشات مورد استفاده قرار گرفته است. نتایج شبیه سازی نشان می دهد که پیشنهاد استراتژی جهش می تواند به طور موثری باعث بهبود کارایی Pso شود. Pso

کلیدواژه‌ها:

PSO، جهش انطباقی، بهینه سازی چند حالته، بهینه سازی جهانی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CESD01-CESD01_015.html
کد COI مقاله: CESD01_015

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حساوی, رقیه؛ مریم سلامات؛ شهلا ملک و فاطمه شریفی، ۱۳۹۲، PSO با جهش انطباقی برای بهینه سازی چند حالته، همایش ملی مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدل سازی و امنیت سیستمها، مشهد، موسسه آموزش عالی خاوران، https://www.civilica.com/Paper-CESD01-CESD01_015.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حساوی, رقیه؛ مریم سلامات؛ شهلا ملک و فاطمه شریفی، ۱۳۹۲)
برای بار دوم به بعد: (حساوی؛ سلامات؛ ملک و شریفی، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • J.Kennedy, R.C. Eberhart, Particle SWarm optimization, in: Proceedings of IEEE ...
  • R. Poli, J. Kennedy, T. Blackwell, Particle SWarm optimization: an ...
  • J.J. Liang, A.K. Qin, P.N. Suganthan, S. Baskar, Comprehensive Learning ...
  • A. Stacy, M. jancic, I. Grundy, Particle SWarm optimization with ...
  • N. Higashi, H. Iba, Particle SWarm optimization with Gaussian mutation, ...
  • H.Wang, Y. Liu, C.H. li, S.Y. Zeng, Hybrid Particle SWarm ...
  • Y. Shi, R.C. Eberhart, A modified Particle SWarm optimizer, in: ...
  • J.Kennedy, R.Mendes, Population structure and Particle SWarm performance, in: Proceedings ...
  • D. Bratton, J. Kennedy, Defining a standard for particle SWarm ...
  • N. Cruz-Cortes, D. Trejo-Perez, C.A. Coello, Handing constraints in global ...
  • H. Wang, Y. Liu, S.Y. Zeng, H. Li, C.H. Li, ...
  • F. Van den Bergh, A.P. Engelbrecht, A cooperative approach to ...
  • Z. Zhan, J. Zhang, Y. Li, H. Chang, Adaptive particle ...
  • H. Wang, Y. Liu, Z. Wu, H. Sun, S. Zeng, ...
  • F.V. Bergh, An analysis of particle SWarm optimizers, Ph.D Thesis, ...
  • S. Garcia, F. Herrera, An extension on Statistical comparisons of ...
  • S. Garcia, D. Molina, M. Lozano, F. Herrera, A study ...
  • R.S. Krohling, Gaussian particle SWarm with jumps, in: Proceedings of ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۳۲۴۲
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.