بهینه سازی مسائل عددی با استفاده از الگوریتم بهینه سازی ممتیک جدید

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,013

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IAUFASA02_229

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

امروزه توجه بسیاری از محققیق به بحث بهینه سازی و بهینه سازی عددی معطوف شده است. الگوریتم های بهینه سازی تکاملی از مهمترین وپرکاربرد ترین ابزارهای بهینه سازی در چند دهه گذشته بوده اند. لذا در این مقاله به معرفی و بررسی یک الگوریتم بهینه سازی ممتیک جدید برپایهی الگوریتم بهینه سازی انبوه ذرات می پردازیم. در الگوریتم پیشنهادی الگوریتم بهینه سازی انبوه ذرات با یک بخش جستجوی محلی تو درتو ترکیب شده است، که در هر مرحله از الگوریتم، اجرا می شود. بخش جستجوی محلی نیز شامل دو زیربخش می باشد، بخش اعمال جستجوی محلی روی ذرات برگزیده، و بخش اعمال جستجوی محلی روی ذرات برگزیده شده از بین ذرات برگزیده قبل. لذا در هر مرحله بهترین ذرات با دو مرحله جستجو انتخاب شده و بروزرسانیها دقیقتر و بهتر صورت میپذیرد.نتایج شبیه سازیها نشان از عملکرد بسیار مناسب الگوریتم بهینه سازی ممتیک ارائه شده نسبت و همچنین برتری آن نسبت به دیگر الگوریتمها در بهینه سازی مسائل عددی دارد

کلیدواژه ها:

بهینه سازی عددی ، الگوریتم های تکاملی ، الگوریتم بهینه سازی انبوه ذرات ، الگوریتم ممتیک

نویسندگان

محمدهادی افروزه

دانشجوی کارشناسی ارشد مهندسی برق دانشگاه آزاد اسلامی واحد ابرکوه

ناصر پرهیزگار

عضو هیات علمی دانشکده مهندسی برق دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس

حامد خدادادی

عضو هیات علمی دانشکده مهندسی برق دانشگاه آزاد اسلامی واحدخمینی شهر

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 :
  • P. Moscato, "On evolution, search, optimization, genetic algorithms and martial ...
  • F. van der Bergh, "An Analysis of Particle Swar Optimizers", ...
  • [] Yang X-S. Firefly algorithms for multimodal optim ization.in , ...
  • Z. Xinchao, A perturbed particle _ algorithm for numerical optimization, ...
  • _ F. Neri, C. Cotta, Memetic algorithms _ memetic computing ...
  • P. Merz, Memetic algorithms for combinatorial optimization problems _ fitness ...
  • P. Merz, B. Freisleben, Fitness landscapes: memetic algorithms and greedy ...
  • R. W. Chen, M. Gen, Parallel machine scheduling problems using ...
  • R. C. Eberhart, I. Kennedy, "A New Optimizer Called Particle ...
  • E. K. Burke, A. _ Smith, Hybrid evolutionary techniques for ...
  • Y. S. Ong, A. _ Keane, M eta -Lamarckian learning ...
  • Hongfeng Wang _ Ilkyeong Moon , Shenxiang Yang , Dingwei ...
  • نمایش کامل مراجع