ورود
مقالات فارسیISIکنفرانسهاژورنالها

یک روش ترکیبی فرا ابتکاری جدید بر مبنای روش های PSO و علف هرز برای مسایل بهینه سازی پیوسته در مهندسی

محل انتشار: اولین کنفرانس بین المللی چشم انداز های نو در مهندسی برق و کامپیوتر
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 558

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/555736

شناسه ملی سند علمی:

NPECE01_398

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

در این مقاله ترکیبی کارا و جدید از دو الگوریتم فرا ابتکاری به نام های الگوریتم علف های هرز و بهینه سازی ازدحام ذرات مطرح شده است این ترکیب سازی الگوریتم که با نام HIWOPSO فرا خوانده می شود از دو فاز اساسی الگوریتم علف های هرز و بهینه سازی ازدحام ذرات تشکیل شده است الگوریتم علف های هرز یکی از الگوریتم های الهام گرفته از طبیعت می باشد که رفتار کلونی علف های هرز را شبیه سازی می کند الگوریتم بهینه سازی ازدحام ذرات یک الگوریتم بر پایه جمعیت می باشد که از هوش اجتماعی برای هدایت جواب های مسئله به سمت هدف استفاده می کند در الگوریتم علف های هرز این الگوریتمی از هوش جمعی بهره ای نمی برد و الگوریتم ازدحام ذرات به جواب های محلی سریعتر همگرا می شود برای اینکه بتوانیم از هوش جمعی بهره ببریم و از افتادن در دام بهینه ی های محلی جلوگیری کنیم الگوریتم ترکیبی علف های هرز و بهینه سازی ازدحام ذرات مطرح می شود

کلیدواژه ها:

بهینه سازی علف های هرز مهاجم ، بهینه سازی ازدحام ذرات ، بهینه سازی سراسری ، الگوریتم ترکیبی

نویسندگان

زینب حسینی

گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد ارومیه ایران

احمد جعفریان

گروه ریاضی دانشگاه آزاد اسلامی واحد ارومیه ایران

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 :
  • H. Eskandar, A. Sadollah, A. Bahreininejad, M. Hamdi, Water cycle ...
  • C. Grosan, A. Abraham, Intelligent systems a modern approach, Intelligent ...
  • X-S Yang, Introduction o Mathematical Optimization: From Linear Programming to ...
  • P. Hansen, N. Mladenovic, J. Brimberg, J. Moreno-Prez, Vari ableneighbor- ...
  • Vortex search algorithm, Information Sciences, 293 (2015) 125(145. ...
  • S. Mirjalili, A. Lewis, the Whale Optimization Algorithm, Advances in ...
  • A. Sadollah, A. Bahreininejad, H. Eskandar, M. Hamdi, Mine blast ...
  • H. Salimi, Stochastic fractal searc. A powerful Meta heuristic algorithm, ...
  • J. Kennedy, R. Eberhart, Particle SWarm optimization. In: Proceedings of ...
  • T. KAY CHEN , Advances in Swarm Intelligence, First International ...
  • Mehrabian AR, Lucas C. A novel numerical optimization algorithm inspiredfrom ...
  • Mojtaba Ghasemi, Sahand Ghavidel, Mohammad Mehdi Ghanbarian, Amir Habibi, A ...
  • E. Atashp az-Gargari, C. Lucas, Imperialist competitive algorithm: an algorithmfor ...
  • antenna, AEU - International Journal of Electronics and C ommuni ...
  • optimizati ontechnique and its application in _ lectromagnetic _ _ ...
  • S. Garcia, D. Molina, M. Lozano, F. Herrera, A study ...
  • S. Boyd, L. Vandenberghe, Convex Optimization, Cambridge University Press, (2004). ...
  • H. Duan, D. Wang, X. Yu, Markov Chains and Martingale ...
  • Colony Algorithm and Its Simulation Platform. in Intelligent Control and ...
  • [19] W. Chu, X. Gao, S. Sorooshian, Handling boundary constraints ...
  • R. Storn, K. Price, Di_erential evolution a simple and e_cient ...
  • D. Pham, A. Ghanbarzadeh, E. Ko, S. Otri, S. Rahim, ...
  • M. Cheng, L. Lien, Hybrid arti_cial intell igencebased pba for ...
    • نمایش کامل مراجع