استفاده از یادگیری براساس تضاد برای افزایش سرعت الگوریتم های تکاملی

دراین مقاله ازیادگیری براساس تضادبرای تعیین جمعیت اولیه الگوریتم های تکاملی وافزایش سرعت آنها استفاده می کنیم شروع ازیک جمعیت اولیه مناسب درالگوریتم های تکاملی کاری بسیار مهم و دشوار است زیرانقطه شروع هم درسرعت همگرایی الگوریتم و هم درکیفیت جواب نهایی موثر است اگرهیچ اطلاعی درمورد راه حل نباشد انگاه تولید جمعیت تصادفی رایج ترین روش برای تولید جمعیت اولیه است دراین مقاله ازنگرش جدیدی بانام یادگیری براساس تضادویایادگیری برعکس برای تولید جمعیت اولیه برای الگوریتم ژنتیک GA و الگوریتم ترکیبی ژنتیک وبهینه سازی جمعی ذرات HGAPSO به منظور کمینه سازی 10تابع محک استفاده میشود نتایج بدست آمده ازمقایسه الگوریتم ژنتیک gA والگوریتم ترکیبی ژنتیک و بهینه سازی جمعی ذرات HGAPSO دردوحالت باجمعیت اولیه تصادفی و جمعیت اولیه براساس تضاد نشان میدهد که استفاده از جمعیت اولیه براساس تضادبجای جمعیت اولیه تصادفی سبب افزایش سرعت همگرایی الگوریتم های تکاملی میشود

کلیدواژه ها:

یادگیری براساس تضاد ، الگوریتم تکاملی ، الگوریتم ژنتیک ، الگوریتم بهینه سازی جمعی ذرات