بهبود کارایی الگوریتم تکامل شوراهای شهر با کاهش خطی اندازه جمعیت و فضای جستجو

الگوریتم تکامل شوراهای شهر (CCE)، یک نوع الگوریتم فراابتکاری است که با توجه به ماهیت تشکیل شوراها از کوچکترین محله ها تا بزرگترین مناطق شهری، از فرآیند تشکیل شورای عالی یک شهر الهام گرفته شده است. در این مقاله می خواهیم کارایی الگوریتم CCE را با دو تغییر مهم در آن بهبود بدهیم. اولین تغییر مربوط به کاهش پیوسته ی اندازه ی جمیعت با استفاده از تکنیک کاهش خطی جمعیت (LPSR) است. در این تکنیک، اندازه ی جمعیت در تکرارهای اولیه ی الگوریتم به اندازه ی کافی بزرگ در نظر گرفته می شود تا الگوریتم بتواند مناطق وسیعی از فضای جستجو را پیمایش کند. با پیشروی الگوریتم، اندازه ی جمعیت به تدریج کاهش داده می شود تا سرعت همگرایی افزایش یابد. دومین تغییر به دامنه ی متغیرها مربوط می شود که به طور پیوسته کاهش می یابد تا فضای جستجو محدودتر شده و در نتیجه، امکان یافتن راه حل های بهینه افزایش پیدا کند. برای ارزیابی و مقایسه ی کارایی الگوریتم تکامل شوراهای شهر بهبودیافته (تحت عنوان ICCE که در این مقاله مطرح شده است) با الگوریتم های تکامل شوراهای شهر (CCE)، بهینه سازی شامپانزه، بهینه سازی بیوه سیاه، بهینه ساز سیاسی، بهینه ساز جفت گیری بارناکل ها، بهینه سازی مار و بهینه ساز آکیلا، آن ها را روی ۲۹ تابع تست از مسابقات سال ۲۰۱۷ مربوط به کنگره IEEE در زمینه محاسبات تکاملی (CEC ۲۰۱۷) اجرا می کنیم. نتایج آزمون های میانگین رتبه ی فریدمن و رتبه علامت دار ویلکاکسون، کارایی بالای الگوریتم ICCE را نسبت به الگوریتم های مذکور تایید می کنند.

کلیدواژه ها:

evolution ، Metaheuristic Algorithm ، Convergence Speed ، Evolutionary computing ، test function