ارائه یک الگوریتم جهش قورباغه بهبود یافته با مولفه شناختی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,325
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
LNCSE02_039
تاریخ نمایه سازی: 6 اسفند 1391
چکیده مقاله:
جهش ترکیبی قورباغهSFL( 1 یک الگوی جستجوی جمعی مبتنی بر جمعیت است که از ممتیکهای طبیعی الهام گرفته شده است. قابلیت تطبیقِ این الگوریتم با محیطهای پویاSFL را تبدیل به یکی از مهمترین الگوریتم- های ممتیک کرده است. در این مقاله به منظور بهبود ثبات این الگوریتم و همچنین برای افزایش توانایی آن برای جستجوی بهینهی سراسری، یک مولفهی شناختی 2 بهSFL اضافه میشود. با وجود این مولفه، هر قورباغه نه تنها موقعیت خود را بر اساس بهترین عضوِmemeplex یا بر اساس بهترین عضو موجود در جمعیت تنظیم میکند، بلکه در این میان موقعیت خودش را نیز میسنجد. برای ارزیابیSِFL بهبودیافتهISFL( شبیهسازیهای مختلفی انجام گرفت و در آنهاISFL و SFL با استفاده از شش بنچمارک بهینهسازی گسسته و پیوسته مقایسه شدند. بر طبق نتایج شبیهسازی، افزودن رفتار شناختی بهSFL به مقدار قابل توجهی کارایی این الگوریتم را برای حل مسائل بهینهسازی افزایش میدهد. این بهبود کارایی، با افزایش مقیاس مساله آشکارتر میشود
کلیدواژه ها:
نویسندگان
سمیه رنجکش
دانشکده برق، رایانه و فناوری اطلاعات دانشگاه آزاد اسلامی قزوین
محمدرضا میبدی
عضو هیئت علمی دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنع
بهروز معصومی
عضو هیئت علمی دانشکده برق-رایانه دانشگاه آزاد اسلامی واحد قزوین
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 :