تحلیل مزایای مدل همکارانه الگوریتم دسته ماهیهای مصنوعی نسبت به مدل استاندارد و نسخه سراسری بهینه سازی دسته ذرات

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 711

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MHAA01_112

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

الگوریتم دسته ماهی های مصنوعی یک مدل محاسباتی تکاملی الهام گرفته ازرفتارماهی ها درجستجوی غذا می باشد که دردسته الگوریتم های مبتنی برهوش جمعی قرار دارد درنوع استاندارد این الگوریتم بابالا رفتن ابعادفضای مسئلهکارایی آن کاهش یافته اما درمدل همکارانه علاوه برافزایش سرعت همگرایی درابعادبالا انحراف معیار نتایج حاصل ازآن قابل قبول تر می باشددراین مقاله بامدلسازی مدل همکارانه الگوریتم ماهی های مصنوعی ویژگیهای این مدل موردبحث و بررسی قرارگرفته است درادامه نتایج استفاده ازمدل همکارانه الگوریتم ماهی های مصنوعی دریافتن نقطه بهینه سه تابع نمونه و متداول درکنار نتایج پیاده سازی نوع استاندارد این الگوریتم و نیز الگوریتم حرکت جمعی ذرات ارایه و باهم مقایسه شده اند طبق نتایج بدست آمده مدل همکارانه پاسخ مطلوبتری را درتعداد تکرار کمتر بدست می دهد همچنین نتایج شبیه سازی نشان میدهد که با افزایش ابعادمسئله کارایی و سرعت همگرایی مدل همکارانه چشمگیرتر میشود

کلیدواژه ها:

الگوریتم دسته ماهی های مصنوعی همکارانه ، الگورتیم دسته ماهی های مصنوعی استاندارد ، بهینه سازی ، هوش جمعی

نویسندگان

مینا رمضانی مهنه

دانشگاه آزاد اسلامی واحد علوم و تحقیقات خراسان رضوی

رویا شجیعی

دانشگاه آزاد اسلامی واحد علوم و تحقیقات خراسان رضوی

محمدرضا رسایی مقدم

دانشگاه آزاد اسلامی واحد علوم و تحقیقات خراسان رضوی

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 :
  • برات سامان، مهدی یعقوبی، الگوریتم دسته ماهی های مصنوعی خود ...
  • L. X. Li, Z. J. Shao and J. X Qian, ...
  • P. Van Laarhoven and E. Aarts, _ 'Simulated Annealing: Theory ...
  • M. Jiang, Y. Wang, S. Pfltschinger, M. A. Lagunas andD. ...
  • F. Glover, "Tabu Search , URSA Journl _ Computing", Part ...
  • M. Jiang, Y. Wang, F. Rubio and . Yuan, _ ...
  • In Proc. of و [6] M. _ Jiang and D. ...
  • نمایش کامل مراجع