ارتقاء الگوریتم بهینه سازی pso بارفتار کوانتومی با استفاده از توابع دارای انحراف پایدار
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 760
فایل این مقاله در 29 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MAARS02_035
تاریخ نمایه سازی: 8 اردیبهشت 1396
چکیده مقاله:
روش بهینه سازی تجمعی ذره، روشی بر گرفته از رفتار گروهی پرندگان، ماهی ها و تعاملات اجتماعی انسان ها است. در سال های اخیر، تحقیقات بسیاری در زمینه ی بسط الگوریتم صورت گرفته است که یکی از شاخه های آن الگوریتم بهینه سازی کوانتومی ذرات بوده است. اما در بسیاری از پژوهش های ارایه شده، پراکندگی ذرات به ازای کاهش نرخ همگرایی بهبود یافته است. در این راستا، در این پایان نامه به منظور افزایش هم زمان نرخ همگرایی و پراکندگی ذرات، تکنیک های ساده ای ارایه شده است که عبارتند از: (1) استفاده از روش جستجوی درونی برای انتخاب ذره کاندید جدید، (2) جاگذرای سه ذره کاندید به جای بدترین ذرات موجود در جمعیت (3) استفاده از بهترین نتایج ضرایب یادگیری،(4) استفاده از راهکاری ساده جهت کنترل همگرایی الگوریتم در تعداد تکرار بالا.در ادامه نتایج الگوریتم پیشنهادی با نتایج سایر الگوریتم های قبلی مقایسه شده و میزان بهبود عملکرد آن گزارش شده است. به منظور مقایسه ی الگوریتم ها از پنج تابع نمونه مشهور استفاده شده است. نتایج به صورت مجزا به ازای هر تابع گزارش شده است.
کلیدواژه ها:
نویسندگان
پوریا امینی دیگه سرا
دانشجوی کارشناسی ارشد مهندسی مکانیک گرایش طراحی کاربردی دانشگاه گیلان ،
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 :