طبقه بندی روش های بهبود الگوریتم های تکاملی و هوش جمعی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,306

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:

ITCC02_330

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

هرچه قدر پیچیدگی مسائل بهینه سازی دنیای واقعی افزایش می یابد، نیاز بشر به روش ها و تکنیک های بهینه سازی قوی تر بمنظور حل این مسائل نیز بیشتر می شود. در این راستا علاوه بر ارائه ی روش های نوین بهینه سازی، بخش عمده ای از پژوهش ها بر بهبود روش های جاری تمرکز دارند. الگوریتم های تکاملی و هوش جمعی دسته ای از روش های بهینه سازی هستند که به دلیل مزایای چشم گیرشان نسبت به روش های کلاسیک، مورد توجه بسیاری از محققان و مراکز تحقیقاتی قرار گرفته اند. در این مقاله مروری به طبقه بندی روش های بهبود الگوریتم های تکاملی و هوش جمعی پرداخته می شود تا از این طریق علاوه بر تسهیل مطالعه ی روش های موجود، دریچه ای نیز پیش روی خوانندگان در جهت بهبود الگوریتم های نوین گشوده شود.

کلیدواژه ها:

الگوریتم های تکاملی ، روش های هوش جمعی ، روش های تنظیم پارامتر ، الگوریتم های بهبود یافته

نویسندگان

آرش ملکی نودهی

دانشگاه آزاد اسلامی واحد صفادشت، دانشکده مهندسی کامپیوتر، گروه کامپیوتر

پژمان غلام نژاد

دانشگاه آزاد اسلامی واحد صفادشت، دانشکده مهندسی کامپیوتر، گروه کامپیوتر

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 :
  • M. Ali, M. Pant, A. Abraham, Unc onventional initialization methods ...
  • S. Rahnamayan, H.R. Tizhoosh, M.M. Salama, Opp osition-based differential evolution, ...
  • Y. Shi, R. Eberhart, A modified particle _ optimizer, in: ...
  • «1 Intcrmationl Confcrcncc & 3" Nationl Confcrcncc on Ncw Tcchnologics ...
  • R. Thomsen, Multimodal optimization using crowding-b ased differential evolution, in: ...
  • R. Storn, K. Price, Differential Evolution-a simple and efficient adaptive ...
  • R.C. Eberhart, Y. Shi, Tracking and optimizing dynamic systems with ...
  • B. Jiao, Z. Lian, X. Gu, A dynamic inertia weight ...
  • J. Liu, J. Lampinen, A fuzzy adaptive differential evolution algorithm, ...
  • B.K. Panigrahi, V.R. Pandi, S. Das, Adaptive particle _ optimization ...
  • J. Sun, Q. Zhang, E.P.K. Tsang, DE/EDA: A new evolutionary ...
  • P.J. Angeline, Using selection to improve particle _ optimization, in: ...
  • F. Van Den Bergh, An analysis of particle sWarm optimizers, ...
  • M. Ali, M. Pant, A. Abraham, Unc onventional initialization methods ...
  • S. Rahnamayan, H.R. Tizhoosh, M.M. Salama, Opp osition-based differential evolution, ...
  • Y. Shi, R. Eberhart, A modified particle _ optimizer, in: ...
  • R. Thomsen, Multimodal optimization using crowding-b ased differential evolution, in: ...
  • R. Storn, K. Price, Differential Evolution-a simple and efficient adaptive ...
  • R.C. Eberhart, Y. Shi, Tracking and optimizing dynamic systems with ...
  • optimization, Information Sciences. 169 (2005) 249-262. ...
  • «1 Intcrmationl Confcrcncc & 3" Nationl Confcrcncc on Ncw Tcchnologics ...
  • J. Liu, J. Lampinen, A fuzzy adaptive differential evolution algorithm, ...
  • B.K. Panigrahi, V.R. Pandi, S. Das, Adaptive particle _ optimization ...
  • J. Sun, Q. Zhang, E.P.K. Tsang, DE/EDA: A new evolutionary ...
  • P.J. Angeline, Using selection to improve particle sWarm optimization, in: ...
  • F. Van Den Bergh, An analysis of particle sWarm optimizers, ...
  • Chaos, Solitons & Fractals. _ (2008) 698-705. [9] ...
  • optimization, Information Sciences. 169 (2005) 249-262. ...
  • نمایش کامل مراجع