شماره ركورد كنفرانس :
4398
عنوان مقاله :
تطبيق پوياي پارامترهاي الگوريتم فراابتكاري runner-root بهبود يافته از طريق منطق فازي
پديدآورندگان :
خسروي ثاني الهام Elham_khosravi@mshdiau.ac.ir گروه هوش مصنوعي، واحد مشهد، دانشگاه آزاد اسلامي، مشهد، ايران , سيد مهدوي چابك سيد جواد Mahdavi@mshdiau.ac.ir گروه هوش مصنوعي، واحد مشهد، دانشگاه آزاد اسلامي، مشهد، ايران
كليدواژه :
الگوريتم بهينهسازي فراابتكاري runner-root , الگوريتم حداقل جمعيت جستجو , بردارهاي متعامد , تطبيق پوياي پارامتر , منطق فازي
عنوان كنفرانس :
سومين كنگره بين المللي فن آوري، ارتباطات و دانش (ICTCK2016)
چكيده فارسي :
الگوريتم runner-root، يك الگوريتم بهينهسازي فراابتكاري جديد ميباشد كه براي حل مسائل بهينهسازي پيچيده بسيار مفيد ميباشد. اين الگوريتم از گياهاني از قبيل توتفرنگي و گياه عنكبوتي الهام گرفته شده است كه سرعت همگرايي و دقت بالايي در حل مسائل تكگانه و چندگانه و دستيابي به نقطه بهينه سراسري دارد. در اين مقاله براي ايجاد توازن بين اكتشاف و استخراج عاملها، يك روش براي تطبيق پوياي پارامترها در الگوريتم بهينهسازي فراابتكاري runner-root ارائه شده است. همچنين الگوريتم فراابتكاري runner-root با الگوريتم حداقل جمعيت جستجو تركيب شده است كه در آن با استفاده از بردارهاي متعامد، فضاي جستجوي مسئله را به طور كامل پوشش ميدهيم. در اين مقاله، ما براي بهبود همگرايي و حفظ تنوع جمعيت در حين فرآيند جستجو، از قوانين فازي براي كنترل پارامترهاي كليدي الگوريتم runner-root استفاده ميكنيم تا به بهترين انطباق پوياي ممكن مقدار اين پارامترها برسيم. كارايي الگوريتم پيشنهادي توسط توابع رياضي پايه CEC’2005 استاندارد كه شامل مسائل تكگانه و چندگانه ميباشد، ارزيابي مي شود و نتايج با الگوريتم runner-root مقايسه مي شود. نتايج شبيهسازي نشان ميدهد كه الگوريتم پيشنهادي داراي دقت و سرعت همگرايي بالاتري نسبت به الگوريتم runner-root ميباشد و توانايي الگوريتم در رسيدن به بهينه سراسري مسئله، افزايش يافته است.