ارائه یک راه کار جدید در بهبود الگوریتم جستجوی گرانشی با استفاده از منطق فازی و عملگر جهش

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 939

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE03_209

تاریخ نمایه سازی: 18 مهر 1390

چکیده مقاله:

الگوریتم بهینه سازی گرانشی از سری الگوریتم های بهینه یابی است که با الهام از قانون جاذبه و مفهوم جرم شکل یافته و عاملهای جستجو گر در آن مجموعه ای از اجرام می باشند مشکل اصلی این مدل که در بسیاری از مسائل به ویژه مسایل چند قله ای بروز می کند مساله گیر افتادن در بهینه های محلی است دراین مقاله یک راه کار جدید براساس GSA به نام MGSA که درآن از یک کنترل کننده منطقی فازی برای تنظیم پارامترهای کنترل کننده سرعت و یک ضریب وزنی برای تاثیر گذاری هدفمند در تنظیم اجرام گرانشی معرفی شده و از یک عملگر جهش برای برقراری موازنه بین جستجوی سراسری و جستجوی محلی استفاده می شود. نتایج آزمایشات برروی توابع محک نمونه نشان داده اند که روش ارائه شده از عملکرد بهتری در مقایسه با مدل GSA استاندارد برخوردار است.

نویسندگان

ناصر سینی چی

کارشناس ارشد دانشگاه آزاد اسلامی واحد گناباد

مسعود مشهدی

کارشناس ارشد دانشگاه آزاد اسلامی واحد گناباد

آصف زارع

استادیار دانشگاه آزاد اسلامی واحد گناباد

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 :
  • " 2ranian Conference on Electrical and Electronics Engineering (ICEEE2011) دانشگاه ...
  • ع .راشدی، ح .نظام آبادی پور، " بهینه یابی گرانشی"، ...
  • Rashedi E, Nezamab adi-pour H et al (2009) GSA: a ...
  • Pedro A. Diaz-Gomez and Dean F Hougen , "Initial Population ...
  • Hagashi, N. and Iba, H., "Particle Swarm Optimization with Gaussian ...
  • Q. L. Zhang, X. Li, Q. Tran, "A modified particle ...
  • Y. Shi and R. Eberhart, _ A modified particle Swarm ...
  • Evolutionary Computation, Anchorage, Alaska, USA, 1998. ...
  • Y. Shi and R. Eberhart, "Comparing Inertia Weights and Constriction ...
  • Congress on Evolutionary Computing, 2000, vol. 1, pp. 84- [7] ...
  • Dong-ping Tian , Nai-qian Li _ _ Fuzzy Particle Swarm ...
  • نمایش کامل مراجع