بهینه سازی در محیط های غیرقطعی و پیچیده پویا با روش های تکاملی
در دنیای واقعی بسیاری از مسایل بهینه سازی، پویا، غیرقطعی و پیچیده هستند که در آن تابع هدف یا محدودیت ها می توانند در طول زمان تغییر یابند و در نتیجه، بهینه این مسایل نیز می تواند تغییر کند؛ از این رو الگوریتم های بهینه سازی نه تنها باید مقدار بهینه سراسری را در فضای جستجو پیدا، بلکه باید مسیر تغییرات بهینه را در محیط پویا دنبال کنند. در این مقاله برای دست یابی به این توانایی الگوریتم جدیدی بر مبنای الگوریتم بهینه سازی ذرات به نام الگوریتم بهینه سازی ذرات افزایشی کاهشی، پیشنهاد شده است. این الگوریتم همواره در روند بهینه سازی به طور انطباقی با کاهش یا افزایش تعداد ذرات الگوریتم، توانایی یافتن و دنبال کردن تعداد بهینه متغیر با زمان را در محیط هایی که تغییرات آن قابل آشکارسازی نیست، دارد؛ علاوه بر این تعریف جدیدی به نام ناحیه جستجو متمرکز با هدف برجسته کردن فضاهای امیدبخش برای سرعت بخشیدن به فرآیند جستجوی محلی و جلوگیری از همگرایی زودرس تعریف شده است. نتایج حاصل از الگوریتم پیشنهادی بر روی معیار قله های متحرک ارزیابی و با نتایج چندین الگوریتم معتبر مقایسه شده است. نتایج نشان دهنده تاثیر مثبت سازوکار کاهش/افزایش ذرات بر زمان یافتن و دنبال کردن چندین بهینه در مقایسه با سایر الگوریتم های بهینه سازی مبتنی بر چند جمعیتی است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.