CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارائه یک استراتژی یادگیری جدید برای بهبود الگوریتم بهینه سازی هوش جمعی گربه ها در محیط های ایستا

عنوان مقاله: ارائه یک استراتژی یادگیری جدید برای بهبود الگوریتم بهینه سازی هوش جمعی گربه ها در محیط های ایستا
شناسه ملی مقاله: IRANOPEN06_021
منتشر شده در ششمین کنفرانس هوش مصنوعی و رباتیک و هشتمین سمپوزیوم بین المللی در سال 1395
مشخصات نویسندگان مقاله:

مهری عادلی بیله سوار - دانشگاه آزاد اسلامی، واحد قزوین، دانشکده مهندسی کامپیوتر و فناوری اطلاعات
محمدرضا میبدی - دانشگاه صنعتی امیر کبیر، دانشکده مهندسی کامپیوتر و فناوری اطلاعات

خلاصه مقاله:
الگوریتم های مبتنی بر الگوریتم بهینه سازی هوش جمعی گربه ها که تاکنون پیشنهاد شده اند استراتژی یادگیری جایگزین برای گربه ها در زمان برازندگیشان در طول فرآیند جستجو ارائه نکرده اند. به منظور ارائه استراتژی یادگیری جدید، در این مقاله، ابتدا الگوریتم بهینه سازی مبتنی بر تدریس - یادگیری (TLBO) بهبود داده شده و سپس الگوریتم ترکیبی جدیدی پیشنهاد می شود. الگوریتم پیشنهادی از ترکیب الگوریتم بهینه سازی مبتنی بر تدریس - یادگیری (TLBO) بهبود یافته و الگوریتم CSO برای بهینه سازی در محیط های ایستا بدست می آید. به همین دلیل، الگوریتم پیشنهادی را ETeach CSO می نامیم. عملکرد الگوریتم ETeach CSO به همراه چندین الگوریتم PSO شناخته شده، نسخه باینری الگوریتم بهینه سازی هوش جمعی گربه ها و الگوریتم TLBO در فضای 30 بعدی بر روی پنج تابع محک آزمایش شده اند. نتایج آزمایشات نشان می دهند که الگوریتم ETeach CSO از کارایی بسیار مناسبی برخوردار است.

کلمات کلیدی:
الگوریتم بهینه سازی هوش جمعی گربه ها، الگوریتم بهینه سازی مبتنی بر تدریس - یادگیری، بهینه سازی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/527030/