بهبود الگوریتم بهینه سازی فراابتکاری runner-root مبتنی بر بردارهای متعامد
- سال انتشار: 1395
- محل انتشار: سومین کنگره بین المللی فن آوری، ارتباطات و دانش
- کد COI اختصاصی: ICTCK03_008
- زبان مقاله: فارسی
- تعداد مشاهده: 662
نویسندگان
گروه هوش مصنوعی، واحد مشهد، دانشگاه آزاد اسلامی واحد مشهد، ایران
گروه هوش مصنوعی، واحد مشهد، دانشگاه آزاد اسلامی واحد مشهد، ایران
چکیده
در چند دهه اخیر، استفاده از الگوریتم های تکاملی برای حل مسایل گوناگون جستجو و بهینه سازی های پیوسته و گسسته، رشد فزاینده ای داشته است، در حقیقت ما به طور پیوسته به دنبال راه حل های بهینه برای مسایلی هستیم که با آن ها روبرو می شویم. از جدیدترین الگوریتم های تکاملی که اخیرا معرفی شده است الگوریتم فراابتکاری بهینه سازی runner-root می باشد که از ساقه ها ی رونده و ریشه های بعضی گیاهان در طبیعت الهام گرفته شده است. این الگوریتم سرعت همگرایی و دقت بالایی در حل مسایل و دستیابی به نقطه بهینه سراسری دارد. در این مقاله، برای بهبود سرعت همگرایی و ایجاد تنوع در جمعیت الگوریتم runner-root، ترکیبی از الگوریتم بهینه سازی فراابتکاری runner-root و الگوریتم حداقل جمعیت جستجو ارایه شده است که در آن با استفاده از بردارهای متعامد، فضای جستجوی مسیله را به طور کامل پوشش می دهیم. کارایی الگوریتم پیشنهادی توسط توابع ریاضی پایه CEC’2005 استاندارد که شامل مسایل تک گانه و چندگانه می باشد، ارزیابیمی شود و نتایج با الگوریتم runner-root مقایسه می شود. نتایج شبیه سازی نشان می دهد که روش پیشنهادی باعث بهبود عملکرد الگوریتم runner-root شده است، و همچنین الگوریتم پیشنهادی دارای دقت و سرعت همگرایی بالاتری نسبت به الگوریتم runner-root می باشد و در رسیدن به نقطه بهینه سراسری عملکرد بهتری دارد.کلیدواژه ها
الگوریتم بهینه سازی فراابتکاری - runner-root ، الگوریتم حداقل جمعیت جستجو، بردارهای متعامدمقالات مرتبط جدید
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.