بهینه سازی الگوریتم (بهینه سازی گروه ذرات) با استفاده از تقسیمات ثابت و متغیر دامنه فضای جست و جو

الگوریتم بهینه سازی گروه ذرات، راهکاری مبتنی بر هوش جمعی می باشد که از رفتار جمعی پرندگان الگوبرداری شده است که توسط آن می توان به جست وجوی نقاط اکسترمم یک محیط پرداخت. در این مقاله تأثیر تقسیم بندی فضای جستجو در بهینه سازی نتایج حاصل از این الگوریتم با دو گونه تقسیم بندی در نظر گرفته شده است: تقسیم بندی با کران بالا و پایین ثابت و تقسیم بندی با کران بالا و پایین متغیر . برای بررسی تأثیرات این تغییر، پس از تقسیم فضای جست و جو به تقسیمات محدب، با مقایسه نتایج حاصل از جستجوی هر سه شکل الگوریتم ( الگوریتم اصلی، محدوده ثابت و متغیر) این نتیجه حاصل شد که تقسیم بندی بر دقت و سرعت جستجو تأثیر مثبت گذاشته است.

کلیدواژه ها:

الگوریتم بهینه سازی گروه ذرات ، PSO ، تابع Restringing ، تابع Sphere ، تابع Rosenbrock