عنوان تحقیق: مقایسه روش بهینه سازی گروه ذرات و الگوریتم ژنتیکی

فرمت فایل: word

تعداد صفحات: 17

توضیحات

روش بهینه سازی گروه ذرات (PSO) یک روش جستجوی ابتکاری نسبتاً تازه می باشد که مکانیک آن به واسطه رفتار گروهی یا مشترک جوامع زیستی تشویق شده است.PSO از این لحاظ شبیه الگوریتم ژنتیکی (GA) عمل می کند که دو روش ابتکاری تکاملی ، روشهای جستجوی بر مبنای جمعیت تلقی می گردند. به عبارت دیگر، PSO و GA در یک تکرار ، از یک سری نقطه (جمعیت) به یک سری نقاط دیگر رفته و با استفاده از قوانین قطعی و احتمالی ارتقاء می یابند.GA و بسیاری از ورژنهای آن به خاطر درک آن ، سهولت اجرا، و توانایی حل موثر مسائل بهینه سازی صحیح آمیخته ، غیر خطی که نمونه ای از سیستم های مهندسی پیچیده به شمار می روند، در آکادمی و صنعت شهرت زیادی کسب کرده اند.اشکال GA هزینه محاسباتی بسیار بالای آن می باشد.این مقاله تلاش می کند ادعای مطرح شده را بررسی نماید مبنی براینکه اثربخشی روش PSO همانند GA می باشد (یافتن راه حل بهینه کل) با این تفاوت که راندمان محاسباتی آن (ارزیابی کمتر تابع) با اجرای تحلیل آماری و تست فرضیه رسمی بهتر می باشد. مقایسه عملکرد GA و PSO با استفاده از مجموعه مسائل تست ملاک و دو مسئله بهینه سازی طراحی سیستم های فضا یعنی پیکره بندی آرایه تلسکوپ و طرح مبتنی بر پایایی فضاپیما انجام گرفته است.