یک الگوریتم ترکیبی جدید مبتنی بر بهینهسازی دستهجمعی ذرات و الگوریتم فرهنگی برای محیط های پویا

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,301

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:

LNCSE02_066

تاریخ نمایه سازی: 6 اسفند 1391

چکیده مقاله:

بسیاری از مسائل بهینهسازی در دنیای واقعی پویا میباشند. در اینگونه مسائل، بهینه در طول زمان تغییر پیدا میکند. در این نوع مسائل علاوه بر پیدا کردن بهینه سراسری میبایست آن را در طول زمان دنبال کرد.در این مقاله، الگوریتم ترکیبی جدیدی مبتنی بر الگوریتم دستهجمعی ذرات و الگوریتم فرهنگی برای محیط های پویا پیشنهاد شده است. ایده اصلی مطرح شده در این مقاله جستجوی بهینه سراسری با استفاده از الگوریتم دستهجمعیذرات است و برای ایجاد تنوع و عدم همگرایی زودرس دسته ی ذرات عملگر جهش هدایت شده ای مبتنی بر دانش ذخیره شده در فضای باور الگوریتم فرهنگی معرفی شده است. علاوه بر آن، ب ا بهکار بردن دانش تاریخچه ی فضای باور الگوریتم فرهنگی، سعی در پیشبینی حرکت قله ها در طی فرآیند بهینه- سازی میکند. نتایج حاصل از این الگوریتم ترکیبی پیشنهادی، بر روی معیار قله های متحرکارزیابی شده و با نتایج حاصل از چندین الگوریتم معتبر مورد مقایسه قرار گرفته است. نتایج بهدست آمده نشان دهنده ی کارائی بالای الگوریتم ترکیبی پیشنهادی در مقایسه با سایر الگوریتم ها می باشد.

کلیدواژه ها:

محیط های پویا ، الگوریتم بهینهسازی دسته جمعی ذرات ، الگوریتم فرهنگی ، فضای باور ، معیار قلههای متحرک

نویسندگان

سجاد هواسی

گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد قزوین، ایران

محمدرضا میبدی

دانشگاه صنعتی امیرکبیر، تهران، ایران

سمانه رحیمی

گروه مهندسی برق، دانشگاه آزاد اسلامی واحد قزوین، 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 :
  • Y. Wu, X-L. Huang, X-Z. Gao, A Cultural Particle Swarم ...
  • Du, W., Li, B., Multi-Strategy Ensemble Particle Swar. Optimization for ...
  • Introduction, Wiley, Second Edition, 2007. ...
  • _ .unikarlstruhe _ de//i br/MovPeaks; ...
  • T. Blackwell and J. Branke, Multiswarm, Exclusion, and Anti- Convergence ...
  • B. Hashemi and M. R. Meybci, Cellular PSO A PSO ...
  • T. Blackwell and J. Branke, Particle Swarms for Dynamic Optimizatin ...
  • Kennedy, j., Eberhart, R.C., Particle Swar Optimization, IEEE International Conference ...
  • Blackwell, T., Branke, j., Multi-Swarm Optimization in Dynamic Environments, Applications ...
  • Lung, R.I., Dumitrescu, D., A Collaborative Model for Tracking Optima ...
  • M. Daneshyari and G.G. Yen, Cultural-based particle swarm for dynamic ...
  • R. Reynolds, An Introduction to Cultural Algorithms, In ...
  • _ _ Annual on Evolutionary Programming, World Scientific, River Edge, ...
  • R. Reynolds, S. Saleem, The Impact of Environmentat Dynamic on ...
  • C.J. Chung, knowledge-b ased approaches self-adaptation in cultural algorithms, PhD. ...
  • Reymolds, R.G, Bin Peng, Mostafa Z. Ali, The Role of ...
  • Saleh M. Saleem, Kn owledge-Based Solution to Dtnamic Optimization Problems ...
  • R.L. Becerra, _ of Domain Information to Improve the Performance ...
  • نمایش کامل مراجع