اندازه ی جمعیت در بهینه سازی ازدحام ذرات

نوع فایل : word

تعداد صفحات : 37

تعداد کلمات : 01400

مجله : Swarm and Evolutionary Computation

انتشار : 2020

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
2 دسامبر 2020
دسته بندی
تعداد بازدیدها
1507 بازدید
33,000 تومان

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.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

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.
 
دیدگاهتان را بنویسید