الگوریتم انطباقی بهینه سازی ذرات افزایشی کاهشی برای حل مسائل بهینه سازی پویا

با پیشرفت روز افزون علم، همواره با مسائل جدیدی در دنیای واقعی روبرو میشویم که نیاز به الگوریتم بهینه سازی با قابلیت انطباق سریع با محیط در حال تغییر با زمان و غیرقطعی را بیشتر نمایان می کند. در این گونه مسائل شرایط همواره بگونه ای پیش می رود که مکان و مقدار بهینه در طول زمان تغییر می یابد، از این رو الگوریتم بهینه سازی باید توانایی انطباق سریع با شرایط متغیر را دارا باشد. در این مقاله الگوریتم جدیدی بر مبنای الگوریتم بهینه سازی ذرات به نام الگوریتم انطباقی بهینه سازی ذرات افزایشی کاهشی، پیشنهاد شده است. این الگوریتم همواره در روند بهینه سازی به طور انطباقی با کاهش یا افزایش تعداد ذرات الگوریتم و محدوده جستجو موثر توانایی یافتن و دنبال کردن تعداد بهینه متغیر با زمان در محیط های غیرخطی و پویایی که تغییرات آن قابل آشکارسازی نیست، را دارا می باشد. علاوه بر این تعاریف جدیدی به نام ناحیه جستجو متمرکز با هدف برجسته کردن فضاهای امیدبخش برای سرعت بخشیدن به فرایند جستجوی محلی و جلوگیری از همگرایی زودرس و شاخص موفقیت به عنوان معیاری برای چگونگی رفتار ناحیه جستجو متمرکز نسبت به شرایط محیطی، تعریف شده است. نتایج حاصل از الگوریتم پیشنهادی بر روی تابع محک قله های متحرک ارزیابی شده و با نتایج چندین الگوریتم معتبر مقایسه گردیده است. نتایج نشان دهنده تاثیر مثبت مکانیزم های انطباقی بکار گرفته شده از جمله کاهش و افزایش ذرات و محدوده جستجو بر زمان یافتن و دنبال کردن چندین بهینه در مقایسه با سایر الگوریتم های بهینه سازی مبتنی بر چند جمعیتی می باشد.

کلیدواژه ها:

Adaptive Increasing and Decreasing Particles ، Adaptive Search Radius ، Dynamic Optimization Problems (DOPs) ، Local Search ، Multi-population ، Particle Swarm Optimization