بهبود الگوریتم های بهینه سازی اجتماع ذرات و تکامل تفاضلی با استفاده از نظریه چانه زنی نش

این مقاله، رویکرد جدیدی را به منظور حل مسائل بهینه سازی ارائه می کند، که دو الگوریتم شناخته شده ی بهینه سازی ازدحام ذرات (Particle Swarm Optimization) و تکامل تفاضلی (Differential Evolution) با هم همکاری می نماید. در رویکرد پیشنهادی برای حفظ تعادل بین توانایی اکتشاف و استخراج با جلوگیری از سکون جمعیت، اجتناب از بهینه محلی و بهبود در الگوریتم های PSO و DE از مدل ائتلافی یا همکاری در تئوری بازی ها استفاده می شود. در واقع الگوریتم های PSO و DE به عنوان دو بازیکن در فضای جستجو هستند، که با استفاده نظریه چانه زنی نش (Nash bargaining theory) در هر مرحله با هم بازی همکارانه (Cooperative game) انجام داده تا بهترین راه حل را در فضای جستجو بدست آورند. مطابق با ساختارCEC۲۰۰۵، بیست و پنج تابع معیار (Benchmark functions) برای ارزیابی کارایی الگوریتم پیشنهادی مورد استفاده قرار می گیرند. روش پیشنهادی با دو الگوریتم کلاسیک PSO وDE و الگوریتم های ترکیبی که اخیرا پیشنهاد شده است مقایسه می شود. نتایج نشان می دهد، رویکرد ارائه شده در مقایسه با الگوریتم های کلاسیک و سایر مدل های ترکیبی عملکرد بهتری دارد.

کلیدواژه ها:

بهینه سازی ازدحام ذرات (PSO) ، تکامل تفاضلی (DE) ، تئوری بازی همکارانه ، نظریه چانه زنی نش .