معرفی الگوریتم Micro-AWPSO به همراه کنترل کننده فازی ضرایب

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,644

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FJCFIS01_117

تاریخ نمایه سازی: 14 خرداد 1387

چکیده مقاله:

در این مقاله به معرفی الگوریتم Micro-AWPSO به همراه کنترل کننده فازی ضرایب پرداخته می شود در الگوریتم پایه PSO ضرایب الگوریتم به صورت ثابت و یا متغیر با گامهای الگوریتم تنظیم می گردند، از همین رو روش کنترلی بر روی بهینه بودن مقادیر آنها انجام نمی گیرد . از سویی دیگر در الگوریتمهای جمعیتی، اندازه جمعیت به عنوان عاملی تاثیر گذار در پاسخ نهایی مطرح می شود، به نحوی که با زیاد شدن این جمعیت پاسخهای بهتری حاصل گشته و به دنبال آن زمان اجرای الگوریتم نیز طولانی تر می شود که این امر در مسائلی با بعد ورودی بالا بیشتر نمایان می شو د . رویکرد اول در روش مطرح شده بر پایه طراحی یک سیستم فازی به منظور تولید ضرایب الگوریتم AWPSO و نیز تغییرات جزیی در این الگوریتم می باشد و رویکرد دوم روش به کاهش تعداد ذرات جمعیت می پردازد به نحوی که با کاهش جمعیت و زمان اجرای الگوریتم، کارایی الگوریتم به میزان قابل قبولی حفظ گردد . در پایان روش مطرح شده در بهینه سازی چندین تابع استاندارد مورد استفاده قرار گرفته است.

نویسندگان

آرش شریفی

دانشگاه آزاد اسلامی واحد علوم و تحقیقات

وحید صیدی قمشه

دانشگاه آزاد اسلامی واحد علوم و تحقیقات

محمد تشنه لب

دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • J. Kennedy and R. C. Eberhart, ?Particle SVarn optimization?, Proceedings ...
  • Mahfouf, M., Miny ou-Chen, D. A. Linkens (2004). Adaptive Weighted ...
  • A. P. Engelbrecht, _ Co mputational Intelligence", John Wiley & ...
  • Y. Shi, R. C. Eberhart, A Modified particle SWarn optimizer, ...
  • Y. Shi, R. C. Eberhart, Empirical study of particle SVarn ...
  • R. C. Eberhart, Y. Shi, Tracking and optimizing dynamic system ...
  • B. Alkazemi, C.K. Mohan, Multi-phase generalization of the particle SWarm ...
  • N. Higashi, H. Iba, Particle SVarn optimization with Gaussian mutation, ...
  • F. Van den Berg, An analysis of particle SWarn optimization, ...
  • M. Lvbjerg, T. Rasmussen, and T. Krink. Hybrid particle SVarn ...
  • Y. Shi, R.C. Eberhart, Fuzzy adaptive particle SVarn optimization, Proc. ...
  • J. H. Holland, Adaptation in Natural and Artificial Systems, University ...
  • J. E. Orosz, S. H. Jacobson, Analysis of static simulating ...
  • H. Liu, A. Abraham, W. Zhang, A fuzzy adaptive tru ...
  • A. P. Engelbrecht, _ Fo undamentals of C omputational Swarm ...
  • نمایش کامل مراجع