ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مروری بر الگوریتم بهینه سازی انبوه ذرات (PSO) از ابتدا تا کنون

سال انتشار: 1392
کد COI مقاله: CESD01_248
زبان مقاله: فارسیمشاهده این مقاله: 3,644
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مروری بر الگوریتم بهینه سازی انبوه ذرات (PSO) از ابتدا تا کنون

فاطمه شریفی - کارشناسی ارشد مهندسی کامپیوتر دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان
حسین روحی زاده - کارشناسی علوم کامپیوتر، دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران
علیرضا قنواتی - کارشناسی علوم کامپیوتر، دانشکده علوم ریاضی و کامپیوتر دانشگاه شهید چمران
علیرضا آبشین - کارشناسی علوم کامپیوتر دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران

چکیده مقاله:

بهینه سازی انبوه ذرات( PSO ) یک بهینه سازی احتمالی است. الگوریتمی تکاملی و شبیه سازی شده که از رفتار انسان ها و حیوان ها نتیجه گیری شدهاست. ویژ گی بخصوص این الگوریتم( PSO )این است که به طور مستقیم در فضای پیوسته اعداد حقیقی اجرا می شود و همچنین برخلاف دیگر الگوریتم ها وجود یک جواب معین را تضمین نمی کند. PSO به تعداد پارامتر های کمی برای تنظیم نیاز دارد که براحتی قابل پیاده سازی است و مشخصه های خاصی از حافظه دارد. این مقاله مروری کامل بر مفاهیم، پیشرفت ها و بهینه سازی الگوریتم PSO دارد. در این مقاله ابتدا درباره مفاهیم الگوریتم سپس پیشرفت آن بحث شده است و سپس به توضیح بهینه سازی آن با فرض لختی وزن و عوامل فشارهای وارد بر ذره می پردازیم. این موضوع به استاندارد سازی پارامتر محیط دینامیک، ایستایی و حالت ترکیبی وابسته است و همچنین مروری سریع بر کاربردهای PSO در فوتو والتیک خورشیدی دارد.

کلیدواژه ها:

بهینه سازی انبوه ذرات (PSO) ، کاهش وزن خطی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CESD01_248 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/239074/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شریفی، فاطمه و روحی زاده، حسین و قنواتی، علیرضا و آبشین، علیرضا،1392،مروری بر الگوریتم بهینه سازی انبوه ذرات (PSO) از ابتدا تا کنون،همایش مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدلسازی و امنیت سیستم ها،مشهد،https://civilica.com/doc/239074

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، شریفی، فاطمه؛ حسین روحی زاده و علیرضا قنواتی و علیرضا آبشین)
برای بار دوم به بعد: (1392، شریفی؛ روحی زاده و قنواتی و آبشین)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • M. Azab, Optimal power point tracking for stand-alone Pک system ...
  • J. Kennedy, R. Eberhart, Particle SWarm optimization, in: Proceedings of ...
  • X. Jie, X. Deyun, New metropolis coefficients of particle SWarm ...
  • J. Wei, L. Guangbin, L. Dong, Elite particle SWarm optimizaion ...
  • R. Eberhart, A new optimizer using particle swarm theory, in: ...
  • K. Yasada, N. Iwasaki, Adaptive particle sWarm optimization using velocity ...
  • R.C. Eberhart, Y. Shi, Particle SWarm optimization: developments application and ...
  • _ Clerc, The swarm and the queen: towards a deterministc ...
  • Y. Shi, R.C. Eberhart, Parameter selection in particle SWarm optimization, ...
  • Z.X. Hou, Wiener model identification based _ adaptive particle SWarm ...
  • A. Stacey, M. Jancic, I. Grundy, Particle SWarm optimization with ...
  • J. Li, X. Xiao, Multi SWarm and multi best particle ...
  • M.G. Epitropakis, V.P. Plagianakos, M.N. Vrahatis, Evolving cognitive and social ...
  • K.E. Parsopoulos, M.N. Vrahatis, Particle SWarm optimization method for constrained ...
  • Z. Huang, Y. Wang, C. Yang, C. Wu, A new ...
  • T. Ray, K.M. Liew, A swarm with an effective information ...
  • J. Kennedy, R. Eberhart, A discrete binary version of particle ...
  • J. Liu, X. Fan, The analysis and improvement of binary ...
  • X. Jun, H. Chang, The discrete binary version of the ...
  • L. Zhen, L. Wang, X. Wang, L. Zhen, Z. Huang, ...
  • R.-J. Wai, S. Cheng, Y.-C. Chen, 6th IEEE on Industrial ...
  • B. Zhang, Y. Yang, L. Gan, Dynamic control of wind/photovo ...
  • L. Wang, C. Singh, Compromise between cost and reliability in ...
  • R. Belfkira, O. Haji, C. Nichita, G. Barakat, Optimal sizing ...
  • S. Akshat Kumar, B. Prabodh, Swarm intelligence based optimal sizing ...
  • M. Bashir, J. Sadeh, Size optimization of new hybrid stand-alone ...
  • B. Tudu, S. Majumder, K.K. Mandal, N. Chakraborty, Comparative Performance ...
  • J.-H. Koh, H. Song, B. Choi, Optimal Allocation Problem of ...
  • M.K. Alam, F.H. Khan, A.S. Imtiaz, An efficient power electronics ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 13,930
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی