الگوریتم تکامل تفاضلی با دو بردار اختلاف و هدایت نخبگان برای مسایل بهینه سازی مهندسی

هدف: الگوریتم تکامل تفاضلی به عنوان یکی از روش های قدرتمند بهینه سازی در میان الگوریتم های تکاملی، برای حل مسایل کاربردی شناخته می شود. بااین حال، با افزایش تعداد نسل های تکاملی، تنوع جمعیت به سرعت کاهش می یابد و الگوریتم دچار همگرایی زودرس به سمت جواب های بهینه محلی و کاهش کارایی بهینه سازی می شود. ازاین رو، هدف این پژوهش ارایه الگوریتمی با عنوان "تکامل تفاضلی با دو بردار اختلاف و هدایت نخبگان به منظور غلبه بر این چالش ها و حل مسایل بهینه سازی مهندسی است.روش شناسی پژوهش: در الگوریتم پیشنهادی EGDDDE، یک راهبرد جهش کارآمد به همراه سازوکارهای موثر برای تنظیم پارامترهای کنترلی شامل ضریب وزن و نرخ تقاطع معرفی می شود. راهبرد جهش پیشنهادی با هدف افزایش تنوع جمعیت طراحی شده است؛ ضریب وزن، تعادل مناسبی میان دو فرایند تنوع بخشی و تشدید جست وجو برقرار می کند و نرخ تقاطع نیز به حفظ تنوع جمعیت کمک می کند. به کارگیری هم زمان این سازوکارها موجب می شود افراد جمعیت با آزادی عمل بیشتری در فضای جست وجو حرکت کرده و با سرعت همگرایی بالاتری به سمت جواب های بهینه سراسری هدایت شوند.یافته‎ها: عملکرد الگوریتم EGDDDE با استفاده از ۲۳ تابع آزمون کلاسیک در ابعاد ۳۰ و ۵۰۰ ارزیابی شده و سپس این الگوریتم برای حل شش مساله بهینه سازی مهندسی به کار گرفته شده است. نتایج تحلیل های تجربی نشان می دهد که الگوریتم پیشنهادیEGDDDE قادر است جواب هایی با کیفیت بالا و سرعت همگرایی بیشتر ارایه دهد.اصالت/ارزش افزوده علمی: الگوریتم EGDDDE در مقایسه با الگوریتم پایه تکامل تفاضلی و سایر الگوریتم های بهینه سازی شناخته شده، از توان رقابتی بالایی برخوردار است. نتایج حاصل از ارزیابی ها، بیانگر استحکام عملکرد، مقیاس پذیری و کیفیت مطلوب جواب های این الگوریتم در حل توابع معیار و مسایل بهینه سازی مهندسی است.

کلیدواژه ها:

الگوریتم های جست وجوی فراابتکاری ، الگوریتم های تکاملی ، تکامل تفاضلی ، توابع کلاسیک ، مسایل بهینه سازی سازه ای