[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
آمار نشریه::
فهرست داوران::
شبکه‌ های اجتماعی::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: دوره 6، شماره 1 - ( 11-1398 ) ::
جلد 6 شماره 1 صفحات 33-4 برگشت به فهرست نسخه ها
الگوریتم‌ بهینه‌سازی ازدحام ذرات بهبودیافته مبتنی بر یک کلاس نوین از استراتژی‌های ضرائب یادگیری کارآمد و سریع
محمدجواد عموشاهی ، موسی شمسی* ، محمدحسین صداقی
دانشکده مهندسی پزشکی، دانشگاه صنعتی سهند تبریز ، shamsi@sut.ac.ir
چکیده:   (11694 مشاهده)
الگوریتم بهینه‌سازی ازدحام ذرات (PSOالگوریتم بهینه‌سازی ازدحام ذرات (PSO) یک روش بهینه‌سازی فراابتکاری مبتنی بر جمعیت است که می‌تواند برای طیف وسیعی از مسائل به‌کار گرفته شود اما این الگوریتم ایراداتی هم دارد؛ مانند این‌که به‌راحتی در نقاط بهینه محلی گیر می‌افتد و در مراحل پایانی دچار کندی همگرایی می‌گردد. به‌منظور حل این ایرادات، تاکنون انواع الگوریتم‌های PSO بهبودیافته (IPSO) پیشنهاد شده است. جهت ایجاد یک تعادل بین ویژگی‌های پویش و بهره‌برداری PSO، این مقاله الگوریتم‌های IPSO مبتنی بر یک کلاس جدید از ضرائب یادگیری نمایی (ELF-PSO) را معرفی می‌نماید که از لحاظ محاسباتی کارآمد و سریع می‌باشند. این کلاس شامل استراتژی‌های ضرائب یادگیری نمایی متغیر با زمان (TELF)، ضرائب یادگیری نمایی تصادفی (RELF)، ضرائب یادگیری نمایی خود-تنظیم (SELF) و ضرائب یادگیری نمایی خطی (LELF) است. آزمایش‌های متعددی برای مقایسه روش‌های پیشنهادی با یک مجموعه از استراتژی‌های معروف ضرائب یادگیری ثابت، تصادفی، متغیر با زمان و تطبیقی بر روی یک سری از توابع معیار غیرخطی انجام پذیرفت. نتایج تجربی و تحلیل‌های آماری ثابت می‌کنند که الگوریتم‌های ELF-PSO قادرند دسته وسیعی از مسائل بهینه‌سازی غیرخطی دشوار را به‌طور کارآمدی حل کنند. همچنین نتایج آزمایش‌ها نشان می‌دهد که روش‌های پیشنهادی، در اغلب موارد بهتر از سایر الگوریتم‌ها عمل می‌کنند.
واژه‌های کلیدی: الگوریتم بهینه‌سازی ازدحام ذرات بهبودیافته، ضرائب یادگیری تطبیقی، ضرائب یادگیری متغیر با زمان، توابع معیار غیرخطی
متن کامل [PDF 1933 kb]   (4212 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: محاسبات نرم
دریافت: 1397/9/21 | پذیرش: 1398/1/13 | انتشار: 1398/11/2
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Amoshahy M J, Shamsi M, Sedaaghi M H. An Improved Particle Swarm Optimizer Based on a Novel Class of Fast and Efficient Learning Factors Strategies. Nonlinear Systems in Electrical Engineering 2020; 6 (1) :4-33
URL: http://journals.sut.ac.ir/jnsee/article-1-230-fa.html

عموشاهی محمدجواد، شمسی موسی، صداقی محمدحسین. الگوریتم‌ بهینه‌سازی ازدحام ذرات بهبودیافته مبتنی بر یک کلاس نوین از استراتژی‌های ضرائب یادگیری کارآمد و سریع. سامانه های غیر خطی در مهندسی برق. 1398; 6 (1) :4-33

URL: http://journals.sut.ac.ir/jnsee/article-1-230-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 6، شماره 1 - ( 11-1398 ) برگشت به فهرست نسخه ها
سامانه های غیرخطی در مهندسی برق Journal of Nonlinear Systems in Electrical Engineering
نشریه سامانه‌های غیرخطی در مهندسی برق در خصوص اصول اخلاقی انتشار مقاله، از توصیه‌های «کمیته بین‌المللی اخلاق نشر» موسوم به COPE و «منشور و موازین اخلاق پژوهش» مصوب معاونت پژوهش و فناوری وزارت علوم، تحقیقات و فناوری تبعیت می‌کند.
Persian site map - English site map - Created in 0.06 seconds with 37 queries by YEKTAWEB 4657