فهرست نشریات علمی دسترسی آزاد ایران

بسیاری از مسائل بهینه‌سازی در دنیای واقعی پویا می‌باشند. در این مسائل بهینه سراسری و بهینه‌های محلی در طول زمان تغییر می‌کنند. نشان داده‌شده که استفاده از الگوریتم‌های یادگیر تقلید از طبیعت برای مواجهه با این مسائل مناسب هستند. در میان الگوریتم‌های مختلف بهینه‌سازی برای محیط‌های پویا در سال‌های اخیر الگوریتم بهینه‌سازی گروه ذرات توجه زیادی را به خود جلب کرده است. در این مقاله یک الگوریتم مبتنی بر الگوریتم بهینه‌سازی گروه ذرات برای محیط‌های پویا ارائه شده‌است. این الگوریتم یک روش چندجمعیتی است که ذرات به دو دسته خنثی و کوانتومی تقسیم می‌شوند. تولید اولیه جمعیت در این‌روش بر اساس نظریه آشوب صورت می‌گیرد. نشان داده‌شده که روش‌های چندجمعیتی برای حفظ تنوع ذرات در محیط مناسب هستند. در این‌روش تولید زیرجمعیت‌ها به‌صورت تطبیقی صورت می‌گیرد. در این‌روش از عملگر کنترل ذرات خنثی استفاده‌شده است. این عملگر نواحی متروکه و بد را برای ذرات خنثی شناسایی می‌نماید. هم‌چنین در این‌روش به‌جای عملگر ضدهمگرایی که در روش مشابه معرفی شده‌است؛ از یک عملگر دیگر استفاده‌شده که کارآیی مناسب‌تری را از خود نشان داده است. در این‌روش برای بهبود جستجوی محلی در هر زیرجمعیت از یک روش تپه‌نوردی بهبودیافته استفاده شده ‌است. آزمایش‌ها مختلفی بر روی روش پیشنهادی انجام‌گرفته است.