محمدحسین نوروزی بیرامی - اعضا هیئت علمی گروه علمی مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اسکو
محمد حسیننژادقوی فکر

بهینه سازی گروه ذرات یک تکنیک بهینه سازی مبتنی برجمعیت می باشد که براساس قوانین احتمال کارمی کند دراین روش هریک از ذرات سعی می کنند به سمتی حرکت کنند که بهترین تجربه های فردی و گروهی درآن نقاط روی داده است مشکلات اساسی الگوریتم PSO استاندارد افتادن دردام بهینگی محلی و پایین بودن سرعت همگرایی آن میباشد یکیاز روشهای حل مشکلات عنوان شده استفاده از روشهای چند دسته ای با مشارکتی می باشد دراین روشها چندین دسته برای پیدا کردن جواب مساله با هم همکاری می کنند درسالهای اخیر دو الگوریتم عمده برای روشهای مشارکتی ارایه شده است دراین الگوریتم وقتی جواب دسته های مختلف به جواب بهینه نزدیک باشد با تغییر بهترین جواب از یک دسته به دسته دیگر باعث واگرا شدن ذرات از جواب بهینه می شود. دراین مقاله با تقسیم فضای مساله به ناحیه های مستقل و انجام دومرحله جستجو با دسته های اصلی و پیرو اولا مشکل واگرا شدن ذرات را حلمی کنیم و ازطرف دیگر بهینه های محلی زیرفضاها را پیدا می کنیم برای اثبات برتری الگوریتم پیشنهادی در برابر الگوریتم MCPSO از توابع محک استاندارد استفاده می کنیم نتایج حاصل بیانگر برتری الگوریتم پیشنهادی نسبت به الگوریتم MCPSO می باشد.

بهینه سازی گروه ذرات، بهینه سازی گروه ذرات مشارکتی، بهینگی محلی، منطق فازی، MCPSO وfpso1