بهبود الگوریتم بهینه‏‏‏‏‏‎سازی فراابتکاری runner-root مبتنی بر بردارهای متعامد
کد مقاله : 1148-ICTCK (R1)
نویسندگان:
1الهام خسروی ثانی *، 2جواد مهدوی
1دانشجو
2کمیته علمی
چکیده مقاله:
در چند دهه اخیر، استفاده از الگوریتم‏‎های تکاملی برای حل مسائل گوناگون جستجو و بهینه‏‎سازی‏‎های پیوسته و گسسته، رشد فزاینده‏‎ای داشته است، در حقیقت ما به طور پیوسته به دنبال راه‏‎حل‏‎های بهینه برای مسائلی هستیم که با آن‏‎ها روبرو می‎‏شویم. از جدیدترین الگوریتم‎های تکاملی که اخیراً معرفی شده است الگوریتم فراابتکاری بهینه‎سازی runner-root می‏‎باشد که از ساقه‏‎ها‏ی رونده و ریشه‏‎ها‏ی بعضی گیاهان در طبیعت الهام گرفته شده است. این الگوریتم سرعت همگرایی و دقت بالایی در حل مسائل و دستیابی به نقطه بهینه سراسری دارد. در این مقاله، برای بهبود سرعت همگرایی و ایجاد تنوع در جمعیت الگوریتم runner-root، ترکیبی از الگوریتم بهینه‏‎سازی فراابتکاری runner-root و الگوریتم حداقل جمعیت جستجو ارائه شده است که در آن با استفاده از بردارهای متعامد، فضای جستجوی مسئله را به طور کامل پوشش می‏‎دهیم. کارایی الگوریتم پیشنهادی توسط توابع ریاضی پایه CEC’2005 استاندارد که شامل مسائل تک‏‎گانه و چندگانه می‏‎باشد، ارزیابی می‏‎شود و نتایج با الگوریتم runner-root مقایسه می‎شود. نتایج شبیه‏‎سازی نشان می‏‎دهد که روش پیشنهادی باعث بهبود عملکرد الگوریتم runner-root شده است، و همچنین الگوریتم پیشنهادی دارای دقت و سرعت همگرایی بالاتری نسبت به الگوریتم runner-root می‏‎باشد و در رسیدن به نقطه بهینه سراسری عملکرد بهتری دارد.
کلیدواژگان:
الگوریتم بهینه‏‎سازی فراابتکاری runner-root، الگوریتم حداقل جمعیت جستجو، بردارهای متعامد
وضعیت : مقاله پذیرفته شده است