|
|
Iranian Journal of Optimization، جلد ۹، شماره ۱، صفحات ۲۱-۳۷
|
|
|
| عنوان فارسی |
MOEICA: بهینه سازی چند هدفه پیشرفته براساس الگوریتم رقابت استعماری |
|
| چکیده فارسی مقاله |
در این مقاله، یک الگوریتم رقابت استعماری (MOEICA) چند هدفه پیشرفته ارائه شده است. ساختار اصلی ICA ابتکاری به کاربرده می شوند در حالی که برخی رویکردهای جدیدی نیز توسعه یافته اند. به غیر از مرتب سازی غیر تحت سلطه و روش فاصله ازدحام که به عنوان ابزار اصلی برای مقایسه و رتبه بندی راه حل استفاده می شود، یک رویکرد مقایسه کمکی که اختیار فازی نامیده می شود نیز گنجانیده شده است. این طرح جدید کشورهای بیشتری را برای شرکت در هدایت مردم به سمت مسیرهای جستجوی مختلف قادر می سازد. علاوه بر این بار محاسباتی الگوریتم با انجام فرایند مرتب سازی در هر تکرار قوی نیست اما در برخی از فواصل از پیش تعریف شده کاهش خواهد یافت. فراوانی که با در نظر گرفتن پارامترانتخابی کنترل می شود،علاوه بر این، بازآفرینی امپراتوری و امپریالیسم چندین بار در طول پیشرفت بهینه سازی، اکتشاف بهتر و شانس کمتری برای دام افتادن در بهینه محلی را تشویق می کند. دلیل شایستگی های الگوریتم بر روی پانزده توابع الگو در شرایط معیارهای عملکرد مختلف مورد آزمایش قرارگرفت. نتایج از طریق مقایسه NSGA-II و MOPSO نشان می دهد که MOEICA حل کننده چند هدفه موثر تر و قابل اعتماد با توانایی زیادی در مرز پارتو حقیقی برای آزمون عملکردها در این مقاله را پوشش می دهد. |
|
| کلیدواژه‌های فارسی مقاله |
ICA چند هدفه، مرز پارتو، معیارهای عملکرد، توابع الگو، |
|
| عنوان انگلیسی |
MOEICA: Enhanced multi-objective optimization based on imperialist competitive algorithm |
|
| چکیده انگلیسی مقاله |
In this paper, a multi-objective enhanced imperialist competitive algorithm (MOEICA) is presented. The main structures of the original ICA are employed while some novel approaches are also developed. Other than the non-dominated sorting and crowding distance methods which are used as the main tools for comparing and ranking solutions, an auxiliary comparison approach called fuzzy possession is also incorporated. This new provision enables more countries to participate in guiding the population towards different searching routs. Moreover the computational burden of the algorithm is abated by carrying out the hefty sorting process not at each iteration but at some predefined intervals. The frequency of which is controlled by on optional parameter. Furthermore, the recreation of empires and imperialists several times during the optimization progress, encourages better exploration and less chance to get trapped in local optima. The eligibility of the algorithm is tested on fifteen benchmark functions in terms of different performance metrics. The results through the comparison with NSGA-II and MOPSO shows that the MOEICA is a more effective and reliable multi-objective solver with being able to largely cover the true Pareto fronts (PFs) for the test functions applied in this article |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
امیرعلی نظری |
bu-ali sina university, electrical engineering department
سازمان اصلی تایید شده: دانشگاه بوعلی سینا (Bu ali sina university)
علی دیهیمی |
bu-ali sina university, electrical engineering department
سازمان اصلی تایید شده: دانشگاه بوعلی سینا (Bu ali sina university)
|
|
| نشانی اینترنتی |
http://ijo.iaurasht.ac.ir/article_529385_f714c30d8ef76b155a1f9a3b48e2eab9.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1572/article-1572-462969.pdf |
| 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
|