مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

993
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

673
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

الگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا

صفحات

 صفحه شروع 299 | صفحه پایان 318

چکیده

 اکثر مسائل موجود در دنیای واقعی یک مساله بهینه سازی با ماهیتی پویا هستند, به طوری که مقدار بهینه سراسری آن ها در طول زمان ممکن است تغییر کند, بنابراین برای حل این مسائل الگوریتم هایی نیاز داریم که بتوانند خود را با شرایط این مسائل به خوبی سازگار نموده و بهینه جدید را برای این مسائل ردیابی نمایند. در این مقاله, یک الگوریتم ژنتیک آشوب گونه مبتنی بر خوشه بندی و حافظه برای حل مسائل پویا ارائه شده است. یک سیستم آشوب گـونه پیش بینی دقیق تـری از آینده نسبت بـه یک سیستم تصادفی دارد و میزان همگرایی را در الگوریتم افزایش می دهد. به طور معمول استفاده از اطلاعات گذشته اجازه می دهد الگوریتم به سرعت بعد از تغییر محیط به سازگاری در شرایط محیطی جدید برسد, بنابراین ایده موردنظر در این زمینه, استفاده از یک حافظه است که با استراتژی مناسبی اطلاعات مفید گذشته را ذخیره نموده و برای استفاده مجدد آن ها را بازیابی می نماید. خوشه بندی در حافظه و جمعیت اصلی, تنوع را در حین اجرای الگوریتم با تبادل اطلاعات میان خوشه های متناظر (خوشه ها با برچسب شبیه به هم) در حافظه و جمعیت اصلی حفظ می نماید. به طورکلی در این روش پیشنهادی دو جنبه نوآوری اساسی پیشنهاد شده است. یکی روش خوشه بندی استفاده شده که هم جمعیت اصلی و هم جمعیت حافظه را خوشه بندی (خوشه بندی مبتنی بر میانگین) می کند و دیگری راهکار مناسبی است که برای به روزرسانی حافظه استفاده شده است. برای آزمایش کارایی روش پیشنهادی از مساله محک قله های متحرک استفاده شده که رفتاری شبیه به مسائل پویا در دنیای واقعی را شبیه سازی می کند. نتایج آزمایش ها کارایی مناسب روش پیشنهادی را در حل مسائل بهینه سازی پویا در مقایسه با دیگر روش ها نشان می دهد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    محمدپور، مجید، و پروین، حمید. (1395). الگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا. مهندسی برق (دانشکده فنی دانشگاه تبریز)، 46(3 (پیاپی 77))، 299-318. SID. https://sid.ir/paper/256442/fa

    Vancouver: کپی

    محمدپور مجید، پروین حمید. الگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا. مهندسی برق (دانشکده فنی دانشگاه تبریز)[Internet]. 1395؛46(3 (پیاپی 77)):299-318. Available from: https://sid.ir/paper/256442/fa

    IEEE: کپی

    مجید محمدپور، و حمید پروین، “الگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا،” مهندسی برق (دانشکده فنی دانشگاه تبریز)، vol. 46، no. 3 (پیاپی 77)، pp. 299–318، 1395، [Online]. Available: https://sid.ir/paper/256442/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button