الگوریتم جمعیت ذرات اطلاع‌دهنده‌ی محلی گرانشی برای حل مسائل بهینه‌سازی چندمُدی
نویسندگان
چکیده مقاله:
الگوریتم جمعیت ذراتِ اطلاع‌دهنده‌ی محلی، یک روش ساده و مؤثر است که اخیراً برای حل مسائل بهینه‌سازی چندمُدی ارائه شده است. این الگوریتم دارای یک ضعف اساسی است: برای محاسبه سرعت یک ذره، "شایستگی" و " فاصله‌ی" ذرات همسایه‌ی آن ذره را در نظر نمی‌گیرد، درصورتیکه در نظر گرفتن این دو پارامتر در محاسبه سرعت می‌تواند به الگوریتم برای ایجاد یک تعادل مناسب بین همگرایی و تنوع راه‌حل‌ها کمک زیادی کند. در این مقاله، یک نسخه جدید از این الگوریتم با نام "الگوریتم جمعیت ذراتِ اطلاع‌دهنده‌ی محلی گرانشی" ارائه شده است، که در آن هر ذره موقعیت خود را با استفاده از قوانین گرانش و حرکت به سمت بهترین موقعیت همسایگان محلی‌اش تنظیم می‌کند. در الگوریتم پیشنهادی، هر چه همسایه‌ی محلی یک ذره دارای کیفیت بیشتری باشد یا دارای فاصله‌ی کمتری با ذره باشد، جرم گرانشی بیشتری به آن همسایه تعلق می‌گیرد و در نتیجه آن همسایه مجاز به اعمال نیروی گرانشی بیشتری به آن ذره می‌شود. برای بررسی کارایی الگوریتم پیشنهادی، یک ارزیابی تجربی روی چندین تابع محک استاندارد صورت گرفته است. نتایج این آزمایشات نشان می‌دهد که الگوریتم پیشنهادی می‌تواند نتایج بهتری نسبت به الگوریتم جمعیت ذراتِ اطلاع‌دهنده‌ی محلی و سایر الگوریتم‌های بهینه‌ساز چندمُدی به دست آورد.
منابع مشابه
ارائه یک الگوریتم چندجمعیتی مبتنی بر ازدحام ذرات برای حل مسائل بهینه‌سازی پویا
بسیاری از مسائل بهینه‌سازی در دنیای واقعی پویا می‌باشند. در این مسائل بهینه سراسری و بهینه‌های محلی در طول زمان تغییر می‌کنند. نشان داده‌شده که استفاده از الگوریتم‌های یادگیر تقلید از طبیعت برای مواجهه با این مسائل مناسب هستند. در میان الگوریتم‌های مختلف بهینه‌سازی برای محیط‌های پویا در سال‌های اخیر الگوریتم بهینه‌سازی گروه ذرات توجه زیادی را به خود جلب کرده است. در این مقاله یک الگوریتم مبتنی ...
متن کاملبکارگیری الگوریتم NSGA-II برای حل مسائل مکان‌یابی چندهدفه
مکان‌یابی کاربری‌ها یکی از مهمترین مسائل شهرسازی است که دارای مقیاس‌های متفاوتی می‌باشد. هنگامی‌که با یک مسئله‌ی مکان‌یابی کوچک مقیاس با شرایط و محدودیت‌های اندک روبه‌رو باشیم می توان با استفاده از روش‌های سنتی به جواب رسید ولی زمانی که با یک مسئله‌ی بزرگ مقیاس مکان‌یابی با شرایط و محدودیت‌های زیاد روبه‌رو باشیم، مشکل بتوان بدون استفاده از هوش مصنوعی و الگوریتم‌های تکاملی، مکان بهینه یا حتی نزد...
متن کاملارائه یک الگوریتم جستجوی گرانشی چند هدفه در حل مسائل عددی استاندارد و جایابی بهینه جبران کننده توان راکتیو
در این مقاله،بهینه یاب جدیدی مبتنی بر الگوریتم جستجوی گرانشی برای حل مسائل چند هدفه ارائه شده است. در بهینه یاب طراحی شده، از مفاهیم اساسی بهینه سازی چند هدفه، برای هدایت عامل‌های جستجوگر در فضای جستجو به سمت منطقه بهینه استفاده شده است. برای ارائه رویکرد مناسب مبتنی بر پرتو در حل مسائل چند هدفه با الگوریتم گرانشی به گونهای شایسته، موضوع های تخصیص شایستگی، حفظ تنوع و نخبهگرایی رابطهمند شده‌ا...
متن کاملمعرفی الگوریتم جدید LICAD برای حل مشکل جایگشت محلی الگوریتم ICA
We present the new LICAD algorithm to solve the permutation problem of the ICA in the frequency domain and improve the separation quality. In the proposed algorithm, first, the sources' angles are estimated in each frequency bin using an ICA separating matrix. Then, these estimates are compared to the true values obtained from a pre-processing stage. If the difference among similar angles is le...
متن کاملیک رهیافت گرانشی برای جایگاه یابی توابع چندمدی
در حل مسایل دنیای واقعی، اغلب با مسائلی روبرو میشویم که چندمدی هستند. به عبارتی دیگر، در این مسائل چندین بهینه (محلی و فرامحلی) وجود دارد. یافتن مکان تمام بهینه ها در یک مسئله بهینه سازی چندمدی با استفاده از الگوریتم های جستجوی ابتکاری یکی از موضوعات چالش آور در این زمینه است. الگوریتم جستجوی گرانشی یکی از الگوریتم های ابتکاری است که به تازگی با الهام از مفاهیم قانون جاذبه و نیروی گرانشی بین ا...
15 صفحه اولالگوریتم کلونی زنبور مصنوعی آشوب‌گونه مبتنی بر حافظه برای حل مسائل بهینه‌سازی پویا
چکیده الگوریتم کلونی زنبور مصنوعی یکی از الگوریتم‌های بهینه‌سازی هوش جمعی می-باشد، که از آن در اهداف و کاربردهای ایستا به صورت وسیعی استفاده می‌شود. اکثر مسائل موجود در جهان واقعی پویا می‌باشند. بنابراین ما به الگوریتم‌های بهینه‌سازی نیاز داریم که بتوانند مسائل را در محیط‌های پویا به خوبی حل نمایند. مسائل بهینه‌سازی پویا مسائلی هستند که در طول زمان دچار تغییر می-شوند. در این مقاله ما یک الگوریت...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 48 شماره 3
صفحات 1131- 1140
تاریخ انتشار 2018-11-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023