فایل ورد قابل ویرایش

چکيده

حركت جمعي ذرات، يک تكنيك بهينه سازي است كه بر اساس قوانين احتمال كار ميكند و از حركت گروهي پرندگان و ماهيها هنگامي كه دنبال غذا ميگردند، الهام گرفته شده است. در اين روش هر يك از ذرات سعي ميكنند به سمتي حركت كنند كه بهترين تجربه هاي شخصي و گروهي در آن نقاط روي داده است. مشكل اصلي اين مدل كه در بسياري از مسايل به خصوص مسايل چند قله اي بروز ميكند، مساله گيرافتادن در بهينه هاي محلي است. در اين مقاله مدلي جديد از تركيب اتوماتاي يادگير سلولي و مدل حركت دسته جمعي ذرات ارائه شده است كه در آن در هر سلول اتوماتاي يادگيرسلولي يك جمعيت از ذرات وجود دارد. هر جمعيت به يك اتوماتون يادگير مجهز شده است كه وظيفه تنظيم رفتار ذرات آن جمعيت و برقراري موازنه بين جستجوي سراسري و جستجوي محلي را بر عهده دارد. براي انجام اين وظيفه، اتوماتون يادگير موجود در هر سلول از تجربيات خود و اتوماتاي يادگير سلولهاي  همسايه بهره ميبرد. نتايج آزمايشات بر روي مسايل نمونه نشان ميدهد كه روش ارائه شده عملكرد بهتري نسبت به مدل PSO استاندارد داراست.

1- مقدمه

حركت دسته جمعي ذرات يك تكنيك كارا براي حل مسايل بهينه سازي است كه بر مبناي قوانين احتمال و بر اساس جمعيت كار ميكند. در اين روش هر يك از اعضاي جمعيت كه ذره نام دارند سعي ميكنند با تنظيم مسير خود و حركت به سمت بهترين تجربه شخصي و بهترين تجربه جمعي گروه به سوي راه حل نهايي حركت كنند. از آنجا كه در اين الگوريتم ذرات به تدريج به سمت بهترين راه حل پيدا شده تا به حال ميل ميكنند اگر اين راه حل، يك بهينه محلي باشد ذرات همگي به سمت آن ميروند و الگوريتم استاندارد PSO راهكاري براي خروج از اين بهينه محلي ارائه نميدهد. اين بزرگترين مشكل PSO استاندارد است كه سبب ميشود در حل مسايل چند قله اي مخصوصا با فضاي حالت بزرگ ناتوان باشد.

يکي از اعمال صورت گرفته براي مقابله با مشکل بهينه هاي محلي در الگوريتم حرکت دسته جمعي ذرات، استفاده از جهش است [6][7][8]. در [6] و [7] از جهش گاوسي در PSO استاندارد و نيز نسخه هايي تغيير يافته از آن استفاده شده است. در اين مقالات مدل PSO با جهش ارائه شده با استفاده از توابعي حد اکثر با دو بعد تست شده اند و جوابهاي مناسبي داشته اند. در [8] براي جهش از توزيع کوشي استفاده شده است.

فایل ورد قابل ویرایش