ارائه تابع تطبیقی جدیدی برای تنظیم وزن اینرسی الگوریتم اجتماع پرندگان

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,597

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI14_210

تاریخ نمایه سازی: 26 مهر 1387

چکیده مقاله:

الگوریتم اجتماع پرندگان از جمله الگوریتم های مبتنی بر جمعیت است که در سال های اخیر با موفقیت در مسائل مختلف مورد استفاده قرار گرفته است. از ویژگی های این الگوریتم سادگی پیاده سازی و تعداد پارامترهای کم آن است. از معدود پارامترهای این الگوریتم پارمتر وزن اینرسی است که میزان تاثیر سرعت قبلی هر ذره در سرعت فعلی آن را مشخص می کند. تا کنون کارهای زیادی در این زمینه انجام شده است. در این مقاله روش جدیدی برای تنظیم تطبیقی وزن اینرسی پیشنهاد شده است. وزن اینرسی به صورت تابعی غیر خطی از نرخ موفقیت تعریف می شود. شکل تابع معرفی شده با استفاده از پارمتر α قابل کنترل است. مقدار بهینه این پارامتر به صورت تجربی تعیین و کارایی روش پیشنهادی بر روی مجموعه ای از توابع آزمایشی اندازه گیری و با روش های دیگر تنظیم وزن اینرسی همانند روش های کاهشی و افزایشی مقایسی شده است. نتایج بدست آمده نشان دهنده کارایی قابل قبول روش پیشنهادی و برتری کامل آن بر سایر روش های ارزیابی شده است.

نویسندگان

احمد نیک آبادی

دانشگاه صنعتی امیرکبیر

سید مصطفی عارفیان خلیل آباد

دانشگاه صنعتی امیرکبیر

محمدمهدی عبادزاده

دانشگاه صنعتی امیرکبیر

رضا صفابخش

دانشگاه صنعتی امیرکبیر

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 :
  • Kennedy, J., Eberhart, R. C., "Particle Swarm Optimization", IEEE International ...
  • Poli, R., Kennedy, J., Blackwell, T., "Particle SWarm optimization: An ...
  • Shi, Y. H., Eberhart, R. C., "Parameter Selection in Particle ...
  • Clerc, M., Kennedy, J., "The particle SWarm: explosion, stability and ...
  • , No. 1, pp. 58-73, 2002. ...
  • Eberhart, R. C., Shi, Y. H, "Comparing inertia weights and ...
  • Schoeman, I. L., Engelbrecht, A. P., "A Parallel Vector- Based ...
  • Li, X., "Adaptively Choosing Neighborhood Bests using Species in a ...
  • Nickabadi, A., Ebadzadeh, M. M., Safabakhsh, R., "DNPSO: A Dynamic ...
  • Liang, J. J., Qin, A. K., Suganthan, P. N., Baskar, ...
  • Shi, Y. H., Eberhart, R. C., "Empirical study of particle ...
  • Eberhart, R. C., Shi, Y. H., "Tracking and optimizing dynamic ...
  • Shi, Y. H., Eberhart, R. C., "Experimental study of particle ...
  • Chatterjee, A., Siarry, P., "Nonlinear inertia weight variation for dynamic ...
  • Feng, Y., Teng, G., Wang, A., Yao, Y. M., "Chaotic ...
  • Feng, Y., Yao, Y. M., Wang, A., "Comparing with Chaotic ...
  • Zheng, Y., Ma, L., Zhang, L., Qian, J., "Empirical study ...
  • Zheng, Y., Ma, L., Zhang, L., Qian, J., "On the ...
  • Second International Conference on Machine Learning and Cybernetics, 2003. ...
  • Jiao, B., Lian, Z., Gu, X., "A dynamic inertia weight ...
  • Shi, Y. H., Eberhart, R., "Fuzzy Adaptive Particle Swarm Optimization ...
  • Arumugam, M. S., Rao, M. V. C., "On the improved ...
  • Yang, X., Yuan, J., Yuan, J., Mao, H., "A modified ...
  • Branke, J., "Memory enhanced evolutionary algorithms for changing optimization problems", ...
  • De Jong, K. A., Morrison, R. W., "A test problem ...
  • نمایش کامل مراجع