جلوگیری از همگرایی زودرس در الگوریتم اجتماع ذرات، با استفاده از کنترل پراکندگی ذرات در فضای جستجو

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,586

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE15_212

تاریخ نمایه سازی: 17 بهمن 1385

چکیده مقاله:

روش بهینه سازی اجتماع ذرات ذاتا دارای سرعت همگرایی بالایی می باشد. از آنجایی که تمام ذرات در فضای جستجو به سمت بهترین موقعیتی که در طول مسیر حرکتشان یافته اند، شتاب می گیرند، درمان تکرار های اولیه الگوریتمف ذرالت که در ابتدای کار در فضای جستجو پراکنده بوده اند، به سرعت به همدیگر و به نقطه بهینه ای که توسط الگوریتم یافته شده نزدیک می شوند و نتیجتا از سرعت وپراکندگی آنها به شدت کاسته می شود. درمسائل بهینه سازی با بعد بالا و پیچیده ، معمولا سرعت همگرایی بالا باعث همگرایی زودرس می شود که نتیجه آن این است که الگوریتم در یک نقطه بهینه محلی متوقف می شود. درچنین مواردی لازم است الگوریتم وقت بیشتری را صرف جستجوی نقطه بهینه کند. برای غلبه بر این مشکل می توان پراکندگی ذرات در فضای جستجو کنترل کرد و اگر ذرات خیلی بهم نزدیک شدند، شروع به پراکنده کردن آنها کرد. در این مقاله از عملکرد جهش ژنتیکی برای رسیدن به هدف مورد نظر استفاده شده است. نتایج روش پیشنهادی با الگوریتم استاندارد PSO مقایسه شده است و نتیجه به مراتب بهتری بدست آمده است.

کلیدواژه ها:

روش بهینه سازی اجتماع ذرات ، جهش ژنتیکی ، همگرایی زودرس

نویسندگان

حمیدرضا مدرس

دانشکده برق و رباتیک دانشگاه صنعتی شاهرود

علیرضا احمدی فرد

دانشکده برق و رباتیک دانشگاه صنعتی شاهرود

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, RC Eberhart, ،Particle Swarm Optimization, ? Proceeding of ...
  • _ M. Clerc, J. Kennedy, ،The Particle swarm: Explosion, Stability, ...
  • shi and Eberhart, 0Parameter selection in Particle Swarm Optimization, " ...
  • J. Riget and J.S. Vesterstroem, ? A Diversity Guided particle ...
  • University of Aarhus, Tech. Rep. No. 2002-02 EVALife. 2002 ...
  • T. Kiink, J.S. Vesterstroem and J. Riget, *Particle Swam Optimization ...
  • Particle Extension, * in Proceedings of the lEEE Congress _ ...
  • _ Krink and M. Lovhjerg, ?The life cycle ...
  • Pmceedings of Parallel Probleni Solvirig from Nature VI1 (PPSN 2002). ...
  • N. Higashi and H. Iha, *Paticle sWarm opimization with gaussian ...
  • B.R. secrest and G.B. Lamont, ?Visualizing particle SWarm optimization - ...
  • Y. shi and R. Eherhart, _ Empirical Study of Panicle ...
  • Computation (CEC'99), 1999, pp. 1945-1950 ...
  • R. Eherhart and Y. Shi, ?Comparing Inertia Weights _ Constriction ...
  • Prosedings ofIEEE Corigress on Evolutionan Computatiori (CEC2000) San Diego. A., ...
  • نمایش کامل مراجع