• ارائه راهکاری ترکیبی برای دو الگوریتم sfla و cso

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/09/05
    • تاریخ انتشار در تی پی بین: 1393/09/05
    • تعداد بازدید: 1118
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    امروزه بشر با مسائل زیادی در زمینه های مختلف بهینه سازی روبرو است که برای رسیدن به جواب آن ها الگوریتم های مختلفی ارائه شده است. یکی از این راهکارها استفاده از هوش جمعی است. الگوریتم های هوش جمعی از یکسری موجود ساده که به تنهایی قادر به حل مساله نیستند، استفاده می کنند تا با همکاری آن ها بهترین جواب در فضای جستجو را بیابند. واضح است که هدف هر کدام از موجودات بالا بردن بازدهی جمعی است. کابرد الگوریتم های هوش جمعی بر همگان آشکار است. در این مقاله دو الگوریتم هوش جمعی نظیر بهینه سازی حرکت جمعی گربه ها (cso) و الگوریتم قورباغه جهنده (sfla) مورد بررسی قرار می گیرند. سپس راهکاری ترکیبی برای بهبود همگرایی الگوریتم قورباغه جهنده ارائه می شود. نتایج حاصل از پیاده سازی توابع محک، برتری روش ترکیبی پیشنهادی به نام flcso را نسبت به cso و sfla نشان می دهد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها