الگوریتم فشرده تکامل تفاضلی بهبودیافته برای بهینه سازی عددی

الگوریتمهای فشرده، توزیع جمعیت الگوریتمها را تخمین میزنند تا بتوانند رفتار الگوریتمهای مبتنی بر جمعیت را تقلید کنند. آنها این کار را با استفاده از یک نماینده احتمالی برای جمعیت راه حل های نامزد انجام میدهند. این الگوریتم ها یک رفتار مشابه با الگوریتم های مبتنی بر جمعیت دارند با این تفاوت که حافظهکمتری را درگیر میکنند. این ویژگی در برخی از برنامه های مهندسی به ویژه در علم رباتیک بسیار مهم است. یکی از الگوریتم های فشرده با کارایی بالا الگوریتم فشرده تکامل تفاضلی (cDE) است. در این مقاله یک پیاده سازی بهبود یافته از cDE آمده است. در این پیاده سازی از توزیع آماری علاوه بر تولید افراد جمعیت برای محدود کردن فرد تولید شده توسط استراتژیهای جهش همبری نیز استفاده کردهایم. این الگوریتم با سه الگوریتم فشرده دیگر از جمله cDE معمولی مقایسه شده است. نتایج نشان میدهد که این الگوریتم عملکرد مناسبی داشته است.

کلیدواژه ها:

الگوریتم های فشرده ، الگوریتم تکامل تفاضلی فشرده ، بهینه سازی عددی