• مقایسه الگوریتم اجتماع ذرات با ضریب انقباض و الگوریتم اجتماع ذرات اصلاح شده در مساله بهینه سازی سازه های خرپایی

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1390/01/01
    • تاریخ انتشار در تی پی بین: 1390/01/01
    • تعداد بازدید: 910
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    بهینه سازی گروه ذرات یک تکنیک بهینه سازی مبتنی بر جمعیت می باشد که بر اساس قوانین احتمال کار می کند. در این روش هر یک از ذرات (که نماینده یک راه حل ممکن مساله می باشند) سعی می کنند به سمتی حرکت کنند که بهترین تجربه فردی و گروه ی در آن روی داده است. از مزایای این روش می توان به تعداد کم پارامترهای تنظیمی، سادگی و به دور بودن از پیچیدگی های محاسباتی اشاره کرد. الگوریتم اصلی pso دارای معایبی همچون همگرایی به مینیمم های محلی و عدم تعادل بین فاز جستجوی کلی و محلی می باشد برای حل این مشکل در سال (eberhart & shi) 1998 الگوریتمی با عنوان الگوریتم اجتماع ذرات اصلاح شده معرفی کردند. در سال 2000 نیز (clerc and kennedy) الگوریتم اجتماع ذرات با ضریب انقباض را ارائه دادند. این 2 الگوریتم 2 گونه اصلی الگوریتم pso می باشند که خصوصیات رفتاری آنها به مراتب بهتر از الگوریتم اصلی می باشد. در این مقاله به بررسی خصوصیات این الگوریتم ها و پیاده سازی این 2 الگوریتم بر مساله بهینه سازی سازه های خرپایی که شامل بهینه های محلی فراوان می باشند پرداخته شده است. نتایج 2 الگوریتم با یکدیگر و الگوریتم های دیگر موجود همچون الگوریتم ژنتیک و الگوریتم اجتماع مورچه ها مقایسه شده است. نتایج حاصله نشان می دهد که 2 الگوریتم مورد نظر نتایجی بهتر از دیگر الگوریتم ها و نزدیک به هم دارند این در حالیست که الگوریتم اجتماع ذرات با ضریب انقباض سرعت همگرایی بیشتری نسبت به الگوریتم اجتماع ذرات اصلاح شده دارد.

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