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
تعداد صفحه :
10
كليدواژه :
الگوريتم بهينه‏سازي فراابتكاري runner-root , الگوريتم حداقل جمعيت جستجو , بردارهاي متعامد , تطبيق پوياي پارامتر , منطق فازي
سال انتشار :
1395
عنوان كنفرانس :
سومين كنگره بين المللي فن آوري، ارتباطات و دانش (ICTCK2016)
زبان مدرك :
فارسي
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.
كشور :
ايران
لينک به اين مدرک :
بازگشت