صمد نجاتیان - دانشکده مهندسی برق - واحد یاسوج - دانشگاه آزاد اسلامی - یاسوج|باشگاه پژوهشگران و نخبگان - واحد یاسوج - دانشگاه آزاد اسلامی - یاسوج
وحیده رضایی - دانشکده ریاضی - واحد یاسوج - دانشگاه آزاد اسلامی - یاسوج|باشگاه پژوهشگران و نخبگان - واحد یاسوج - دانشگاه آزاد اسلامی - یاسوج
حمید پروین - دانشکده مهندسی کامپیوتر - دانشگاه آزاد اسلامی - فارس - نورآباد ممسنی|باشگاه پژوهشگران و نخبگان - واحد نورآباد ممسنی - دانشگاه آزاد اسلامی - فارس

بسیاری از مسائل بهینه سازی در دنیای واقعی پویا می باشند. در این مسائل بهینه سراسری و بهینه های محلی در طول زمان تغییر می کنند. نشان داده شده که استفاده از الگوریتم های یادگیر تقلید از طبیعت برای مواجهه با این مسائل مناسب هستند. در میان الگوریتم های مختلف بهینه سازی برای محیط های پویا در سال های اخیر الگوریتم بهینه سازی گروه ذرات توجه زیادی را به خود جلب کرده است. در این مقاله یک الگوریتم مبتنی بر الگوریتم بهینه سازی گروه ذرات برای محیط های پویا ارائه شده است. این الگوریتم یک روش چندجمعیتی است که ذرات به دو دسته خنثی و کوانتومی تقسیم می شوند. تولید اولیه جمعیت در این روش بر اساس نظریه آشوب صورت می گیرد. نشان داده شده که روش های چندجمعیتی برای حفظ تنوع ذرات در محیط مناسب هستند. در این روش تولید زیرجمعیت ها به صورت تطبیقی صورت می گیرد. در این روش از عملگر کنترل ذرات خنثی استفاده شده است. این عملگر نواحی متروکه و بد را برای ذرات خنثی شناسایی می نماید. هم چنین در این روش به جای عملگر ضدهمگرایی که در روش مشابه معرفی شده است؛ از یک عملگر دیگر استفاده شده که کارآیی مناسب تری را از خود نشان داده است. در این روش برای بهبود جستجوی محلی در هر زیرجمعیت از یک روش تپه نوردی بهبودیافته استفاده شده است. آزمایش ها مختلفی بر روی روش پیشنهادی انجام گرفته است.

بهینه سازی ازدحام ذرات, مسائل بهینه سازی پویا, محک قله های متحرک, خطای برون خطی, چندجمعیتی