بهبود الگوریتم PSO بر اساس ارزش گذاری فضای مساله و جمعیت دهی اولیه با تابع آشوب

بهینه سازی اخیرا یکی از حوزه های مهم تحقیقاتی بوده که انواع مختلفی از الگوریتم ها، در راستای بهبود آن طراحی وپیاده سازی گردیده است. یکی از این دسته ها، الگوریتم های فراابتکاری الهام گرفته از طبیعت می باشد که به تقلید ازطبیعت، تحول بزرگی را در محاسبات برای حل مسائل بهینه سازی باز کردند. البته با وجود کارآمدی مناسبی که اینالگوریتم ها دارند، هنوز از مشکلاتی رنج می برند. یکی از معروفترین آنها الگوریتم بهینه سازی گروه ذرات (PSO) میباشد که در این مقاله سعی کردیم این روش را بهبود بخشیم. در جمعی تدهی اولیه، یک جمعیت دهی براساس تابعآشوبگونه لجستیک انجام دادیم. ذرات (پرندگان) در این فضا به چندین دسته تقسیم خواهند شد و فضای مسئله بهزیرفضاهایی تقسیم خواهد گردید. با استفاده از ایده حساسیت پرندگان نسبت به فضایی که در آن پرواز می کنند، سرعتآنها را بر اساس ارزش زیرفضایی که در آن قرار دارند متناسب کردیم. روش پیشنهادی را در نرم افزار متلب پیاده سازیو نتایج را با روشهای مختلف مشابه مقایسه کرده و با استفاده از توابع محک های استاندارد سنجیدیم. نتایج نشان دادروش پیشنهادی یک الگوریتم قابل اتکا در حل مسایل ایستا می باشد.

کلیدواژه ها:

هوش جمعی ، بهینه سازی ، اکتشاف ، بهره برداری ، تابع لجستیک