دانلود مقاله ترجمه شده الگوریتم های ژنتیک و بهینه سازی ازدحام ذرات

چکیده

در این مقاله، قصد داریم دو جریان محاسباتی تکاملاتی را ارائه دهیم: الگوریتم های ژنتیک و بهینه سازی ازدحام ذرات. اپراتور های موجو در هر جریان را بازبینی خواهیم کرد و بر روی تأثیر هر کدام بر روی رفتار جستجو در فضای مسئله متمرکز خواهیم شد. اهداف این مقاله می­تواند رویکرد هایی را در مورد چگونگی کار این جریان ها فراهم کرده و راه و روش هایی را برای بهبود کارائی به وسیله ی بکار گیری ویژگی های یک جریان در یک جریان دیگر ارائه می­دهد

1-مقدمه

چهار جریان رایج در محاسبات تکاملاتی وجود دارد: الگوریتم های ژنتیک[5]، برنامه نویسی تکاملاتی [4]، استراتژی های تکامل[9] و برنامه نویسی ژنتیک [8]. یک تکنیک محاسباتی جدید که بهینه سازی ازدحام ذرات (PSO) نام دارد نیز بر اساس شبیه سازی رفتار اجتماعی بکار گرفته شده است که چنین تکنیکی در اصل توسط  Eberhart [2,3,6,7] توسعه یافته است. در PSO، بجای استفاده از عملگر های ژنتیک مرسوم، هر ذره (عنصر یا ژن) مسیر خود را بر اساس تجربه ی حرکتی خود و تجربه  ی پرواز یا حرکت گروهی تعدیل می­دهد...