این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدلسازی در مهندسی، جلد ۱۵، شماره ۵۱، صفحات ۶-۶
عنوان فارسی الگوریتم کلونی زنبور مصنوعی آشوب‌گونه مبتنی بر حافظه برای حل مسائل بهینه‌سازی پویا
چکیده فارسی مقاله چکیده الگوریتم کلونی زنبور مصنوعی یکی از الگوریتم‌های بهینه‌سازی هوش جمعی می-باشد، که از آن در اهداف و کاربردهای ایستا به صورت وسیعی استفاده می‌شود. اکثر مسائل موجود در جهان واقعی پویا می‌باشند. بنابراین ما به الگوریتم‌های بهینه‌سازی نیاز داریم که بتوانند مسائل را در محیط‌های پویا به خوبی حل نمایند. مسائل بهینه‌سازی پویا مسائلی هستند که در طول زمان دچار تغییر می-شوند. در این مقاله ما یک الگوریتم مبتنی بر کلونی زنبور مصنوعی آشوب‌گونه ترکیب شده با حافظه را برای مسائل بهینه‌سازی پویا ارائه نموده‌ایم. یک سیستم آشوب‌گونه پیش‌بینی دقیق‌تری از آینده نسبت به یک سیستم تصادفی دارد. ما در این روش از حافظه صریح برای ذخیره راه‌حل‌های قدیمی خوب جهت نگهداری تنوع در جمعیت استفاده نموده‌ایم. استفاده از راه‌حل‌های قدیمی خوب و تنوع در محیط به سرعت همگرایی الگوریتم کمک می‌نماید. روش پیشنهادی را برروی مسئله محک قله‌های متحرک آزمایش نموده‌ایم. مسئله محک قله‌های متحرک، شبیه‌ساز مناسبی برای تست کارآیی الگوریتم‌های بهینه‌سازی در محیط‌های پویا می‌باشد. نتایج آزمایشات برروی این تابع محک نشان از کارآیی مناسب روش پیشنهادی در مقایسه با سایر روش‌ها در حل مسائل بهینه‌سازی پویا دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Chaotic Artificial Bee Colony algorithm based on memory for solving dynamic optimization problems
چکیده انگلیسی مقاله Artificial Bee Colony Algorithm(ABC) is one of the swarm intelligence optimization algorithms that is extensively used for the goals and applications static. Many practical, real-world applications, nevertheless, are dynamic. Thus we need to get used optimization algorithms that could be solved problems in dynamic environments as well. Dynamic optimization problems where change(s) may occur through the time. In this paper we proposed one approach based on chaotic ABC combined with explicit memory method, for solving dynamic optimization problems. In this proposed algorithm, we used the explicit memory for store the aging best solution for the maintaining diversity in the population. Use the aging best solution and diversity in environments helps the speed convergence in algorithm. The proposed approaches have been tested on Moving Peaks Benchmark. The Moving Peaks Benchmark is the suitable function for testing optimization algorithms in dynamic environments. The experimental study on a Moving Peaks Benchmark show that proposed approach has a superior performance in comparison with several other algorithms in dynamic environments.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجید محمدپور |
دانشگاه آزاد اسلامی واحد علوم تحقیقات یاسوج
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

حمید پروین |
دانشگاه آزاد اسلامی واحد علوم تحقیقات یاسوج
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

نشانی اینترنتی
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات