الگوریتم بهینه سازی گروه گربه های بهبود یافته برای پیش بینی سرعت باد

بهینه سازی در بسیاری از شاخه های علوم و مهندسی از اهمیت بسیار زیادی برخوردار است. از نمونه های کاربردی بهینه سازی در دنیای واقعی می توان به بهینه سازی توابع ریاضی، طراحی و بهینه سازی مدارات چاپی، طراحی مدل های محاسباتی مخازن نفتی، مهندسی کنترل، اشاره کرد. طیف وسیعی از مسایل بهینه سازی با فن های ریاضی دقیق قابل حل نیستند، ازاین رو روش های دیگری برای حل این دسته از مسایل لازم است. در این میان، پژوهش ها حاکی از آن هستند که الگوریتم های هوش جمعی قادرند تا با موفقیت به بهینه سازی این دسته از مسایل بپردازند. بااین وجود، ازآنجاکه پیچیدگی مسایل دنیای واقعی به شکل فزاینده ای در حال افزایش است، بهبود روش های بهینه سازی نیز امری اجتناب ناپذیر است. یکی از حوزه هایی که بهینه سازی در آن کاربرد فراوانی دارد هواشناسی است. یکی از عناصر بسیار مهم هواشناسی سرعت باد است که تغییرات کوتاه مدت و بلندمدت آن بر خصوصیات اقلیم جهانی و منطقه ای بسیار تاثیرگذار است. در مبحث بهینه سازی، الگوریتم های بسیاری در این چند سال اخیر معرفی شده اند. برخی از این الگوریتم ها مبتنی بر رفتار حیوانات و شبیه سازی رفتار آن ها می باشند. یکی از این الگوریتم ها که به تازگی معرفی شده است، الگوریتم بهینه سازی گروه گربه می باشد که با موفقیت در کاربردهای مختلفی به کار رفته است. در این مقاله سعی شده تا با تنظیم پارامتر نرخ ادغام (MR) در الگوریتم گربه ، کارایی این الگوریتم بهبود داده شود. روش پیشنهادی پس از آن با بردار پشتیبان رگرسیون ترکیب شده است تا بعنوان ابزاری برای پیش بینی سرعت باد مورد استفاده قرار گیرد. نتایج آزمایشات انجام شده بر روی برخی از توابع ریاضی معروف، و مسیله پیش بینی سرعت باد نشان دهنده کارایی روش پیشنهاد در مقایسه با الگوریتم پایه می باشد.

کلیدواژه ها:

بهینه سازی ، هوش جمعی ، هواشناسی ، گروه گربه ها ، تنظیم پارامترها