بهبود الگوریتم بهینه سازی SSPCO با استفاده از دو نظریه آشوب

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشکدۀ مهندسی کامپیوتر، دانشگاه آزاد اسلامی، یاسوج، ایران

2 استادیار دانشکدۀ مهندسی کامپیوتر، واحد نورآباد ممسنی، دانشگاه آزاد اسلامی، فارس، ایران

3 استادیار دانشکده مهندسی برق؛دانشگاه ازاد اسلامی یاسوج ایران

4 باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی، یاسوج، ایران

چکیده

بهینه‌سازی فرایندی است که برای بهتر کردن چیزی دنبال می‌شود. فکر، ایده و یا طرحی که به‌وسیله یک دانشمند یا یک مهندس مطرح می‌شود، طی روال بهینه‌سازی بهتر می‌شود. در هنگام بهینه‌سازی، شرایط اولیه با روش‌های مختلف مورد بررسی قرار می‌گیرد و اطلاعات به‌دست آمده، برای بهبود بخشیدن به یک فکر یا روش مورد استفاده قرار می‌گیرند. یکی از الگوریتم‌های جدید بهینه‌سازی الگوریتم SSPCO می‌باشد که از رفتار جوجه‌های پرنده تیهو الگوبرداری شده است. نظریۀ آشوب شاخه‌ای از ریاضیات است که به مطالعۀ رفتار دینامیکی سیستم‌هایی که به انتخاب‌های اولیه بسیار حساس هستند می‌پردازد. در این مقاله با سازوکار جمعیت دهی نظریۀ آشوب، الگوریتم SSPCO را پیاده‌سازی کرده‌ایم. از دو تابع مختلف نظریه آشوب استفاده کرده و الگوریتم را با نظریۀ آشوب ترکیب کرده‌ایم و نتایج را با الگوریتم‌های مشابه مقایسه کرده‌ایم. نتایج نشان از این دارد که نظریه آشوب تاثیر مثبتی بر روند الگوریتم داشته است.





 

کلیدواژه‌ها

علوم رایانشی
دوره 3، شماره 1 - شماره پیاپی 8
اردیبهشت 1397
صفحه 52-52

فایل ها

هم رسانی

ارجاع به این مقاله

آمار