|
عنوان
|
معرفی نسخه بهبودیافته الگوریتم خفاش
|
|
نوع پژوهش
|
مقاله چاپ شده
|
|
کلیدواژه‌ها
|
بهینه‌سازی، هوش جمعی، الگوریتم فراابتکاری، بهینۀ محلی، الگوریتم خفاش
|
|
چکیده
|
الگوریتم خفاش، نمونه‌ای از الگوریتم‌های فراابتکاری از خانوادۀ هوش جمعی است که براساس رفتار پژواک‌یابی خفاش بنا شده است. این الگوریتم تنوع راه‌حل را با استفاده از روش تنظیم فرکانس حفظ می‌‌کند که می‌تواند به سرعت و به‌صورت کارآمد از مرحلۀ اکتشاف به بهره‌برداری تغییر مکان دهد. بنابراین، هنگامی که به یک راه‌حل سریع و دقیق نیاز باشد، این الگوریتم به یک بهینه‌ساز کارآمد برای هر برنامۀ کاربردی تبدیل می‌شود. الگوریتم خفاش با وجود فواید زیاد و کاربردی، دارای معایبی نیز است. یکی از این معایب که باعث کاسته شدن کارایی آن می‌شود، به دام افتادن در بهینۀ محلی است. برای حل مشکل مذکور در این پژوهش موقعیت و سرعت جمعیت اولیه را به سه روش با فرمول‌های مختلف بروز کرده، این امر باعث می‌شود تا پاسخ نهایی مسئله در بهینه محلی به دام نیفتد و تنوع در جمعیت رخ دهد. در این مقاله عملکرد الگوریتم خفاش بهبودیافته روی 11 تابع هدف نمونه بررسی و با سایر الگوریتم‌های مشابه مقایسه شده است، که نهایتاً نتایج حاصل شده نشان از برتری و دقت این الگوریتم نسبت به نمونه‌های مشابه دارد.
|
|
پژوهشگران
|
داور گیوکی (نفر اول)، جواد ابراهیمی (نفر دوم)، مریم سرشار (نفر سوم)
|