ارائه یک الگوریتم بهینه سازمبتنی برآتاماتا یادگیر

الگوریتم ازدحام ذرات یک روش بهینه سازی براساس قوانین احتمال است دراین روش هریک ازذرات درفضای جستجو به سمت بهترین تجربه شخصی و بهترین تجربه گروه حرکت می کنند سپس موقعیت جدید هرذره توسط تابع شایستگی ارزیابی میشود باگذشت زمان ذرات به سمت ذراتی که دارای شایستگی بالاتری هستند شتاب میگیرند این رفتاردربعضی ازمسائل باعث میشود که ذرات دربهینه های محلی قرارگیرند و قدرت بهینه سازی و دقت الگوریتم کاهش یابد دراین مقاله یک الگوریتم جدید بهنام DMPSO&LA پیشنهاد میشود که به منظور تعیین یک مسیر حرکت مناسب برای ذره ها و همچنین گریز ازبهینه های محلی ازیک اتاماتا یادگیر با سه عمل استفاده می کند جستجومحلی سراسری و ایجادبی نظمی درهنگام جستجو محلی به منظور افزایش جستجوی محلی دراطراف بهترین ذره و هدایت آنها به سمت نقاط برتر ذره ای به جمعیت اضافه میشود سپس این ذره را جایگزین ذره باکمترین شایستگی می کند و زمانی که دروضعیت ذره ها بهبودی حاصل نشود باایجادشوک ازبهینه محلی دورمی شوند نتایج ازمایشات برروی مسائل نمونه نشان داده اند که روش ارایه شده ازدقت بالاتری نسبت به روشهای مشابه برخوردار است

کلیدواژه ها:

الگوریتم بهینه سازی ازدحام ذرات ، توابع بهینه ساز ، آتاماتایادگیر