بهبود الگوریتم بهینه ساز ازدحام ذرات با استفاده ازچارچوب سیستم های دینامیک تصادفی

روش بهینه سازی ازدحام ذرات (PSO) یک الگوریتم متاهیوریستیک و جست و جوی اجتماعی است که از رفتار گروهی پرندگان و ماهی ها مدل شده است. در PSO ذرات در فضای جست و جو جاری میشوند. تغییر وضعیت ذرات با توجه به تجربه و دانش خود و تجربه و دانش دیگر ذرات میباشد. نتیجه مدل سازی ای رفتار اجتماعی فرایند جست و جویی است که ذرات به سمت موقعیت بهتر میل می کنند. معیارهای مهم و اصلی در بهبود الگوریتم PSO ، عملکرد و قابلیت اطمینان هستند و تمامی محققان در بهبود آنها تلاش میکنند و برای دست یافتن به راه حل های خوب در طیف گسترده ای از مسائل بهینه سازی استفاده می شود. موفقیت روش های فراابتکاری اغلب وابسته به تنظیم پارامترهای )مولفه های(کنترل است. از انجایی که الگوریتم حاوی عناصر تصادفی است که رفتار سیستم را تحت تاثیر قرار می دهند، می توان آن را با استفاده ازچارچوب سیستم های دینامیکی تصادفی (RDS) مورد مطالعه قرار داد. در PSO، دینامیک ذرات شبه خطی است، که برخوردی تحلیلی با پایداری شان را میسر می سازد. تحلیل هایمان نشان می دهد که محدوده پایداری فراتر از آنچه که روش های تقریبی قبلی پیشبینی می کردند، گسترش می یابد. شبیه سازی ها یک پیشینه تجربی را برای تحلیل هایمان فراهم می سازد و نشان می دهد که بهترین عملکرد در حالت مجانبی بدست می آید که در آن پارامترها در نزدیکی حاشیه ناپایداری پیش بینی شده توسط روش RDS انتخاب شده اند.

کلیدواژه ها:

روش بهینه سازی ازدحام ذرات ، سیستم های دینامیکی تصادفی ، ضرب ماتریس های تصادفی ، انتخاب پارامتر