light box
امتیاز 2.93 اندازه ی جمعیت در بهینه سازی ازدحام ذرات">

عنوان فارسی مقاله:اندازه  ی جمعیت در بهینه سازی ازدحام ذرات

 چکیده  

 بهینه سازی ازدحام ذرات (PSO) یکی از الگوریتم‌های بهینه سازی جهانی فرا-ابتکاری مبتنی بر جمعیت است. PSO با موفقیت در علوم مختلفی از علوم انسانی، مهندسی، شیمی، پزشکی گرفته تا فیزیک پیشرفته مورد استفاده قرار گرفته است. این روش از زمان معرفی آن در سال ۱۹۹۵، به طور گسترده مورد بررسی قرار گرفته است، که منجر به توسعه صدها نسخه PSO و یافته‌های نظری و تجربی متعدد در مورد همگرایی و پارامتر سازی آنها شده است. با این حال، تاکنون هیچ مطالعه دقیق در مورد انتخاب مناسب اندازه ازدحام PSO وجود ندارد، اگرچه به طور گسترده‌ای شناخته شده است که اندازه جمعیت به طور اساسی بر عملکرد فراابتکاری تأثیر می‌گذارد. در بیشتر برنامه‌ها، نویسندگان پیشنهاد اولیه سال ۱۹۹۵ را دنبال می‌کنند و اندازه جمعیت را به ۲۰ تا ۵۰ ذره محدود می‌کنند. در این مطالعه، ما عملکرد هشت نوع PSO را به اندازه‌های ازدحام که از ۳ تا ۱۰۰۰ ذره دارند، مرتبط می‌کنیم. آزمایشات بر روی شصت معیار ۱۰ تا ۱۰۰ بعدی مقیاس پذیر و بیست و دو مسئله ۱- تا ۲۱۶ بعدی در دنیای واقعی انجام می‌شود. اگرچه نتایج برای انواع PSO مختلف متفاوت است، اما برای اکثر الگوریتم‌های PSO بهترین عملکرد با دسته‌های متشکل از ۷۰-۵۰۰ ذره بدست می‌آید، که نشان می‌دهد انتخاب کلاسیک اغلب خیلی کوچک است. انبوه بزرگتر اغلب کارآیی روش را برای مشکلات بیشتر و کاربردهای عملی بهبود می‌بخشد. برای مسائل تک مودال، اندازه اکثراً اندک کمتری برای اکثر انواع PSO توصیه می‌شود، اما بعضی از آنها همچنان با صدها ذره بهترین عملکرد را دارند.

Title: Population size in Particle Swarm Optimization

Abstract

 Particle Swarm Optimization (PSO) is among the most universally applied population-based metaheuristic optimization algorithms. PSO has been successfully used in various scientific fields, ranging from humanities, engineering, chemistry, medicine, to advanced physics. Since its introduction in 1995, the method has been widely investigated, which led to the development of hundreds of PSO versions and numerous theoretical and empirical findings on their convergence and parameterization. However, so far there is no detailed study on the proper choice of PSO swarm size, although it is widely known that population size crucially affects the performance of metaheuristics. In most applications, authors follow the initial suggestion from 1995 and restrict the population size to 20–50 particles. In this study, we relate the performance of eight PSO variants to swarm sizes that range from 3 up to 1000 particles. Tests are performed on sixty 10- to 100-dimensional scalable benchmarks and twentytwo 1- to 216-dimensional real-world problems. Although results do differ for the specific PSO variants, for the majority of considered PSO algorithms the best performance is obtained with swarms composed of 70–500 particles, indicating that the classical choice is often too small. Larger swarms frequently improve efficiency of the method for more difficult problems and practical applications. For unimodal problems slightly lower swarm sizes are recommended for the majority of PSO variants, but some would still perform best with hundreds of particles.

 

ثبت دیدگاه

    • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
    • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
    • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.

برای ارسال دیدگاه شما باید وارد سایت شوید.

محصولات مشابه
ارزیابی ومرور جامع ریسک ها و مزایای مصرف قهوه
خـریـد محـصـول
غذاهای فراسودمند: مزایا ، نگرانی ها و چالش ها – مقاله مربوط به شورای علوم و سلامت آمریکا
خـریـد محـصـول
انرژی، اکسرژی و تجزیه و تحلیل اقتصادی دیگهای بخار صنعتی
خـریـد محـصـول
تجزیه و تحلیل انرژی و اکسرژی نیروگاه بخار در اردن
خـریـد محـصـول
NICE: سیستم بیان برای لاکتوکوکوس لاکتیس: سیستم بیان ژن کنترل شده نایسین
خـریـد محـصـول
پروژه بررسی خوشه بندی مبتنی بر منطق فازی شبکه های حسگر بیسیم
خـریـد محـصـول
اثرات سرریز افشای MD&A برای سرمایه گذاری حقیقی: نقش رقابت صنعتی
خـریـد محـصـول
آیا کاهش نرخ مالیات موثر نشان دهنده اجتناب مالیاتی است؟
خـریـد محـصـول
تغییرات رشدی در اثرات اندازه برای مسائل جمع ساده
خـریـد محـصـول
زیرساخت مدیریت دارایی (IAM): تکامل و ارزیابی
خـریـد محـصـول
ثبت اختراع یا انتشار مقاله

در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. لیست اختراعات ثبت شده در اداره ثبت اختراعات ایران دارای طبقه بندی های متفاوتی است. در طبقه بندی بین المللی B که شامل اختراعات حوزه نیاز ها بشری شامل عملیات اجرایی، حمل و نقل شامل: کشتیرانی، ترابری و دیگر موارد را میتوانید در پایگاه جستجوی دارایی های فکری دارکوب مشاهده کنید.

ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

 
برو بالا