راه کارهای بهبود الگوریتم بهینه سازی ذرات برای حل مسائل پیچیده

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 851

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC01_513

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

در این مقاله ابتدا به معرفی الگوریتم بهینه سازی ذرات خواهیم پرداخت و کاربردهای متنوعی از اینالگوریتم را بیان خواهیم کرد. سپس معایب این الگوریتم را بررسی می شوند. به دنبال آن، نسخه هایجدید و بهبود یافته این الگوریتم را معرفی می کنیم. بهبودهای مطرح شده در خصوص افزایش سریالگوریتم و همچنین جهت جلوگیری بدام افتادن در بهینه محلی می باشد. غالب روش های پیشنهاد شدهبرای بهبود الگوریتم بهینه سازی ذرات از دو مکانیزم بهره می برند. مکانیزم اول تغییر میزان وزن اینرسیاست، در حالی که مکانیزم دوم اعمال یکسری مکانیزم هایی مبتنی بر دافعه می باشد که به وسیله آنهامیزان تنوع در بین موقعیت ذرات افزایش پیدا کند. افزایش تنوع در بین ذرات یکی از مهم ترینعوامل داشتن یک جستجوی موفق می باشد.

کلیدواژه ها:

الگوریتم بهینه سازی ذرات ، بهینه سراسری ، بهینه محلی ، روش های فرامکاشفه ای ، اجتناب از بهینه محلی

نویسندگان

مسعود دادگر

مدرس دانشکده فنی و مهندسی شهید باهنر شیراز

محمدرضا قاسمی

مدرس دانشکده فنی و مهندسی شهید باهنر شیراز

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 :
  • International Conference on Information Techaology, Computer & Communication رایعنذپژو0 28 ...
  • International Conference on Information Techaology, Computer & Communication رایعنذپژو0 28 ...
  • J. Kennedy, "Particle SWam optimization, " in Encyclopedia of Machine ...
  • A. P. Engelbrecht, Computational intelligence: an introduction. John Wiley & ...
  • Y. V. Pehlivanoglu, _ new particle SWarm optimization method enanced ...
  • R. Poli, "Analysis of the publications on the applications of ...
  • M. Donelli, R. Azaro, F. G. B. De Natale, and ...
  • Y. Kim, S. Keely, J. Ghosh, and H. Ling, "Application ...
  • N. Jin and Y Rahmat-Samii, "Parallel particle _ optimization and ...
  • J. Park, K. Choi, and D. J. Allstot, ، :Parasitic ...
  • W. Wang, Y. Lu, J. S. Fu, and Y. Z. ...
  • M. P. Wachowiak, R. Smolikova, Y. Zheng, J. M. Zurada, ...
  • T. Huang and A. S. Mohan, _ microparticle SWam optimizer ...
  • Y. Cai and S. X. Yang, "A PSO-based approach to ...
  • M. S. Couceiro, A. Fernandes, R. P. Rocha, and N. ...
  • X. Wang, M. Li, L. Xue, D. Ding, and X. ...
  • J. Tillett, T. Rao, F. Sahin, and R. Rao, "Darwinian ...
  • X. Yang, J. Yuan, J. Yuan, and H. Mao, _ ...
  • J. Riget and J. S. Vesterstrm, _ divers ity-guided particle ...
  • S. Chowdhury, W. Tong, A. Messac, and J. Zhang, _ ...
  • L. N. Vitorino, S. F. Ribeiro, and C. J. A. ...
  • K. Tang, Z. Li, L. Luo, and B. Liu, ، ...
  • H. Ab edinp ourshotorban, S. M. Shamsuddin, Z. Beheshti, and ...
  • optimization algorithm, " Swarm Evol. Comput., 2015. ...
  • M.-H. Tayarani-N and M.-R. Akbarzadeh-T, ، Magnetic -inspired optimization algorithms: ...
  • نمایش کامل مراجع