مقایسه الگوریتم های فرا ابتکاری برای حل مسایل بهینه سازی

الگوریتم های ژنتیک(GA) تکامل تفاضلی(DE) و بهینه سازی ازدحام ذرات(PSO) برای حل انواع مختلفی از مسایل بهینه سازی به کاربرده می شوند. روش های محاسباتی زیادی وجود دارند که برای مسایل بهینه سازی یکسان نتایج متفاوتی را به دست می آورند که با تغییر در پارامترها و عملگرهای موجود در هر روش می توان عملکرد آن ها را بهبود بخشید. بنابراین هدف این مقاله مقایسه ی عملکرد الگوریتم های GA DE و PSO در حل مسایل بهینه سازی یکسان با پارامترهای مشابه است.نتایج به دست آمده نشان می دهند که عملکرد GA در به دست آوردن بیشترین تعداد جواب مینیمم کننده تابع معیار بهتر از DE و PSO بوده است و از هر دوی آن ها سریعتر است.

کلیدواژه ها:

الگوریتم ژنتیک ، تکامل تفاضلی ، بهینه سازی ازدحام ذرات ، عملکرد ، تابع معیار