یک رویکرد مبتنی بر آتاماتا یادگیر به منظور بهبود سرعت همگرایی و دقت الگوریتم بهینه سازی ازدحام ذرات

حرکت دسته جمعی ذرات، یک الگوریتم محاسبهای تکاملی الهام گرفته از طبیعت و براساس تکرار است. در این الگوریتم یک سرعت ابتدایی به ذرات اختصاص داده می شود. سپس ذرات در فضای مسئله حرکت می کنند، و نتایج حاصل بر مبنای یک تابع شایستگی محاسبه می شود. با گذشت زمان، ذرات بهسمت ذراتی که دارای مقدار شایستگی بالاتری هستند، شتاب می گیرند. این رفتار در بعضی از مسائل باعث میشود که ذرات در بهینههای محلی قرار گیرند وقدرت بهینهسازی و دقت الگوریتم کاهش یابد در این مقاله یک الگوریتم جدید به نامMPSO&LAپیشنهاد میشود. در این الگوریتم به منظور تعیین جهت حرکت ذرات از یک آتاماتا یادگیر با دو عمل استفاده میشود، جستجو محلی و جستجو سراسری. به منظور هدایت ذرات به سمت نقاط با شایستگی بالاتر و کشف بیشتر فضای جستجو، در هنگام جستجومحلی، ذرهای در اطراف بهترین ذره، به جمعیت اضافه میشود سپس این ذره جایگزین ذره با کمترین شایستگی میشود. نتایج آزمایشات بر روی مسائل نمونه نشان دادهاند که روش ارائه شده از سرعت همگرایی و دقت بالاتری نسبت به روشهای مشابه برخوردار است.

کلیدواژه ها:

بهینهسازی ازدحام ذرات ، توابع بهینهساز ، آتاماتا یادگیر