معرفی، مقایسه و ارزیابی الگوریتم های بهینه سازی مدرن و فراابتکاری در مسائل کاربردی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,560

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELEMECHCONF02_478

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله:

بهینه سازی یک فعالیت مهم و تعیین کننده در طراحی ساختاری است. بسیاری ازمسائل بهینه سازی در مهندسی طبیعتا، پیچیده تر و مشکل تر از ان هستندکه با روش های مرسومم کلاسیک بهینه سازی نظیر روش برنامه ریزی ریاضی و نظایر آن قابل حل باشند. از جمله راه حل های موجود در برخورد با این گونه مسائل، استفاده از الگوریتم های مدرن یا فرا ابتکاری است. ویژگی مشترک همه این الگوریتم ها، الهام گرفتن از سیستم های بیولوژیکی و مولکولی برای حل مسائل پیچیده بهینه سازی است. الگوریتم های معروف مورد بحث دراین کار شامل الگوریتم کرم شب تاب، الگوریتم الکترومغناطیس، الگوریتم شبیه سازی حرارتی، الگوریتم غذایابی باکتری، الگوریتم تراکم ذرات، الگوریتم کلونی زنبور، الگوریتم کلونی مورچه و الگوریتم ژنتیک است. در ابتدا بعداز معرفی هر کدام از الگوریتم ها به کمک 5 تابع ازمایش معروف با یکدیگر مقایسه و ارزیابی می شوند. با توجه به اینکه ارزش و اعتبار این الگوریتم ها زمانی دارای حائز اهمیت است که بتوان آن ها را مستقیما درمسایل کاربردی روز درگیر کرد در پایان کار به طراحی و بهینه سازی مسئله کاربردی کنترل کننده PID به کمک تمام الگوریتم های مذکور پرداخته می شود و نتایج شبیه سازی حاصل از تمام الگوریتم ها را با توجه به پارامترهای طراحی و بهینه مورد ارزیابی و مقایسه قرار گرفته و بهترین گزینه ازمیان روش های مذکور انتخاب می شود.

نویسندگان

سیدمحمد کاظم اخلاقی

دانشکده مهندسی مکانیک، دانشگاه صنعتی نوشیروانی بابل، مازندران

مهدی منجزی

گروه مکانیک، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران

مجتبی منجزی

گروه مکانیک، دانشگاه آزاد اسلامی واحد سوسنگرد، سوسنگرد

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 :
  • l. J. H. Holland, Adaptation in Natural and Artificial Systems, ...
  • D. E. Goldberg, C omputer-aided pipeline operation using genetic algorithms ...
  • L. M. Schmitt, Theory of genetic algorithms, Theoretical Computer Science, ...
  • J. Kennedy and R. C. Eberhart, Swarm Intelligence, Morgan Kaufmann, ...
  • J. Kennedy and R. C. Eberhart, "Particle SWarm optimization, " ...
  • new optimizer using particle swarm theory _ in: Proceedings of ...
  • A. Colorni, M. Dorigo, and V. Maniezzo, "Distributed optimization by ...
  • _ Dorigo, V. Maniezzo, and A. Colorni, The ant system: ...
  • S. Kirkpatrick, CD. Gellat, and M. P. Vecchi, Optimization by ...
  • V. Cerny, A thermo dynamical approach to the travelling salesman ...
  • T. Sato and M. Hagiwara, "Bee system: finding solution by ...
  • D. T. Pham, A. Ghanbarzadeh, E. Koc, S. Otri, and ...
  • D. Karaboga, An idea based on honey bee SWarm for ...
  • K. M. Passino, Biomimicry of bacterial foraging for distributed optimization ...
  • S. Mishra, A hybrid least square-fuzzy bacterial foraging strategy for ...
  • S. I. Birbil and S.-C. Fang, An _ _ ectromagneti ...
  • C. S. Tsou and C. H Kao, Multi-objective inventory control ...
  • P. Wu, W. H. Yang, and N. C. Wei, An ...
  • X.-S. Yang, Nature- Inspired Metaheuristic Algorithms, Luniver Press, 2008. ...
  • X.-S. Yang, Firefly algorithms for multimoda optimization, in: Stochastic Algorithms: ...
  • نمایش کامل مراجع