بهینه سازی ازدحام ذرات ترکیبی مبتنی بر حافظه تطبیقی (AMH -PSO)

این پژوهش الگوریتم بهینه سازی ازدحام ذرات ترکیبی مبتنی بر حافظه تطبیقی ۱ را معرفی میکند که باهدف بهبود دقت و سرعت همگرایی در مسائل بهینه سازی پیوسته توسعه یافته است. این الگوریتم با الهام از الگوریتم بهینه سازی ذرات استاندارد۲ ، مشکل همگرایی زودهنگام و کاهش تنوع را ازطریق جایگزینی به روزرسانی سرعت با جهش تطبیقی و ترکیب چندگانه (شامل تقاطع با بهترین سراسری، نامشابهترین ذره و بهترین همسایه محلی) برطرف میکند. همچنین، الگوریتم بهینه سازی ازدحام ذرات ترکیبی از حافظه کوتاهمدت برای ذخیره نقاط موفق استفاده میکند تا در صورت کاهش پیشرفت، مسیرهای بهینه را بازسازی کند . برای ارزیابی، الگوریتم بهینه سازی ازدحام ذرات ترکیبی در کنار الگوریتم بهینه سازی ذرات استاندارد و الگور یتم بهینه سازی ازدحام ذرات تکاملی کوچک ۳ یافته روی ۱۴ تابع محک استاندارد آزمایش شد. نتایج نشان داد که الگوریتم بهینه سازی ذرات استاندارد با نرخ موفقیت ۸۴% و زمان محاسبات۴۹.۹ ثانیه، و الگوریتم بهینه سازی ازدحام ذرات تکاملی کوچک با نرخ موفقیت ۸۱% و زمان۸ ثانیه عمل میکنند، درحالی که الگوریتم بهینه سازی ازدحام ذرات ترکیبی مبتنی بر حافظه تطبیقی با نرخ موفقیت ۸۶% ، زمان محاسبات۶ ثانیه، انحراف معیار ۰.۰۲۸ و خطای۲.۱۰% ، عملکرد بهتری ازنظر دقت، پایداری و سرعت دارد.

کلیدواژه ها:

بهینه سازی ازدحام ذرات ، حافظه تطبیقی ، جهش تطبیقی ، همگرایی پایدار ، سرعت محاسبات