الگوریتم بهینه سازی انبوه ذرات

/, هوش مصنوعی/الگوریتم بهینه سازی انبوه ذرات

الگوریتم بهینه سازی انبوه ذرات

ایده الگوریتم PSO در اصل در سال 1995 توسط J.Kennedy و همکارانش به عنوان یک روش بهینه سازی مطرح شد. PSO يک الگوريتم محاسبه اي تکاملي الهام گرفته از طبيعت و براساس تکرار مي‌باشد. منبع الهام اين الگوريتم، رفتار اجتماعي حيوانات، همانند حرکت دسته جمعي پرندگان و ماهي‌ها بود. بعدها مشخص شد که PSOS یک جایگزین شایسته برای الگوریتم ژنتیک(GA) و دیگر تکینیک های بهینه سازی تکرار می باشد.

از زمان معرفی PSOS در سال 1995 ، چندین مقاله در قالب این موضوع منتشر شده است. Shi و Eberhart به بررسی مشکل پیدا کردن یک پارامتر مناسب برای تنظیم PSO پرداختند. علاوه بر آن در سال 1999 در مورد تعامل بین ذرات ، ازدحام و هجوم ذرات نیز تحقیق شده بود. حتی در طی 6 سال گذشته ، کارهای زیادی در این مورد انجام شده بود که تنها بخش کوچکی از آنها مورد توجه قرار گرفت و با آزمایش و مقایسه آنها با بهینه سازی های سنتی و تکنیک هایی مانند الگوریتم ژنتیک و سایر روش ها ی تکاملی و تجربی ، عملکرد PSO مشخص شد و همچنین یکسری مقایسه های تحلیلی بین مدل PSO و الگوریتم ژنتیک (GA) نیز انجام گرفت.

P.J.Angelina در مقایسه عملکرد بین یک الگوریتم ارزیابی استاندارد (EA) و Basic PSO نتیجه گرفت که ، تفاوت عملکرد این دو در روش رقابتی آنهاست. نقطه نظر اصلی Angelina این بود که PSO به طور قابل توجهی از EA سریع تر است اما مشکلاتی نیز در زمینه میزان سازی راه حلها دارد. از این رو کارایی PSO با از دست دادن تنوع جستجو همراه است.

کلا چندین مقاله درباره بهبود الگوریتم PSO وجود دارد. اگرچه مفهوم این تلاش ها متفاوت از موضوع اصلی  Basic PSO (نظیر ، بهینه سازی متناسب با پارامترهای مختلف و در سرعت به روزرسانی برای رسیدن به همگرایی سریع تر) بوده است.

۱۳۹۲-۷-۲۳ ۱۶:۴۱:۲۸ +۰۳:۳۰مهر ۱ام, ۱۳۹۲|Categories: متلب, هوش مصنوعی|بدون ديدگاه

ثبت ديدگاه

پرداخت

1-پرداخت آنلاین
برای پرداخت آنلاین از لینک زیر استفاده کنید
پرداخت آنلاین
2- پرداخت آفلاین
برای پرداخت آفلاین مبلغ مورد نظر را به یکی از شماره کارت
6037997245888723بانک ملی