عنوان فارسی مقاله:بهبود الگوریتم بهینه سازی پروانه شهریار با جمعیت خود تطبیقی
چکیده
وانگ و همکاران با الهام از رفتار مهاجرت پروانههای شهریار در طبیعت یک الگوریتم جدید، نویدبخش و هوشمند مبتنی بر ازدحام، بهینهسازی پروانه شهریار (MBO) برای مقابله با مسائل بهینهسازی سراسری پیشنهاد کرد. در الگوریتم پایه MBO، پروانهها در زمین ۱ (زیرجمعیت ۱) و زمین ۲ (زیرجمعیت ۲) با توجه به پارامتر p محاسبه میشوند که در طول کل فرآیند بهینه سازی بدون تغییر است. در کار حاضر، یک استراتژی خود-انطباقی برای تنظیم پویای پروانهها در سرزمین ۱ و ۲ معرفی شدهاست. بر این اساس، اندازه جمعیت در زیرجمعیتهای ۱ و ۲ بهطور پویا تغییر میکند زیرا الگوریتم بهصورت خطی تکامل مییابد. پس از معرفی مفهوم استراتژی خود تطبیقی، یک الگوریتم MBO بهبود یافته به نام بهینه سازی پروانه شهریار با جمعیت خود تطبیق (SPMBO) ارائه شده است. در SPMBO فقط افراد تولید شده که بهتر از قبل هستند میتوانند به عنوان افراد جدید برای نسلهای بعدی در عملیات مهاجرت پذیرفته شوند. در نهایت، الگوریتم SPMBO پیشنهادی با سیزده تابع تست استاندارد با ابعاد ۳۰ و ۶۰ محک زده میشود. نتایج تجربی نشان میدهد که توانایی جستجوی رویکرد SPMBO پیشنهادی به طور معنی داری از الگوریتم اصلی MBO در اکثر توابع آزمایشی بهتر عمل میکند. این همچنین نشان میدهد که استراتژی خود تطبیقی راهی مؤثر برای بهبود عملکرد الگوریتم اصلی MBO است.
- 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.