محمدحسین نوروزی بیرامی - دانشگاه آزاد اسلامی واحد اسکو
محمدرضا میبدی - دانشگاه صنعتی امیرکبیر

بهینه سازی گروه ذرات یک تکنیک بهینه سازی مبتنی بر جمعیت می باشد که بر اساس قوانین احتمال کار می کند. در این روش هر یک از ذرات سعی می کنند به سمتی حرکت کنند که بهترین تجربه های فردی و گروهی در آن نقاط روی داده است. دو مشکل اصلی الگوریتمPSO استاندارد، افتادن در دام بهینگی محلی و پایین بودن سرعت همگرایی آن می باشد. یکی از روش های حل مشکلات عنوان شده استفاده از روش هایی ترکیبی مانند منطق فازی و یا الگوریتم های ژنتیک و... می باشد. ما در این مقاله یک الگوریتم ترکیبی با استفاده از منطق فازی ارائه می کنیم که از طرفی عیب اساسیPSOاستاندارد را تا حد زیادی حل می کند و از طرف دیگر سرعت همگرایی الگوریتم را افزایش می دهد. الگوریتم جدید را برای استفاده در بهینه سازی گروه ذرات مشارکتی به کار میگیریم که اولا امکان گسترده ای برای جستجوی موازی فراهم می کند و از طرف دیگر برای مقدار دهی ذرات از بهینه های محلی استفاده می کند که امکان همگرایی را به شدت افزایش می دهد. الگوریتم های محدودی برای بهینه سازی گروه ذرات مشارکتی ارائه شده است، برای اثبات برتری الگوریتم پیشنهادی در برابر الگوریتم های موجود از توابع محک استاندارد استفاده می کنیم. نتایج حاصل بیانگر برتری الگوریتم پیشنهادی نسبت به روش های موجود می باشد.

بهینه سازی گروه ذرات، بهینه سازی گروه ذرات مشارکتی، بهینگی محلی، منطق فازیFPSO