بهبود الگوریتم های بهینه سازی اجتماع ذرات و تکامل تفاضلی با استفاده از نظریه چانه زنی نش

نویسندگان

1 گروه ریاضیات و علوم کامپیوتر، دانشگاه شاهد، تهران، ایران

2 گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

3 گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

4 گروه ریاضیات و علوم کامپیوتر، دانشگاه شاهد، تهران، ایران

doi
10.30495/jce.2025.1993480.1333
چکیده

این مقاله، رویکرد جدیدی را به منظور حل مسائل بهینه ‌ سازی ارائه می­کند، که دو الگوریتم شناخته شده ‌ ی بهینه­سازی ازدحام ذرات ( Particle Swarm Optimization ) و تکامل تفاضلی ( Differential Evolution ) با هم همکاری می ‌ نماید. در رویکرد پیشنهادی برای حفظ تعادل بین توانایی اکتشاف و استخراج با جلوگیری از سکون جمعیت، اجتناب از بهینه محلی و بهبود در الگوریتم­های PSO و DE از مدل ائتلافی یا همکاری در تئوری بازی ‌ ها استفاده می ‌ شود. در واقع الگوریتم­های PSO و DE به عنوان دو بازیکن در فضای جستجو هستند، که با استفاده نظریه چانه زنی­نش ( Nash bargaining theory ) در هر مرحله با هم بازی همکارانه ( Cooperative game ) انجام داده تا بهترین راه­حل را در فضای جستجو بدست آورند. مطابق با ساختار CEC2005 ، بیست و پنج تابع معیار ( Benchmark functions ) برای ارزیابی کارایی الگوریتم پیشنهادی مورد استفاده قرار می ‌ گیرند. روش پیشنهادی با دو الگوریتم ‌ کلاسیک PSO و DE و الگوریتم ‌ های ترکیبی که اخیرا پیشنهاد شده است مقایسه می ‌ شود. نتایج نشان می‌دهد، رویکرد ارائه شده در مقایسه با الگوریتم ­ های ‌ کلاسیک و سایر مدل های ترکیبی عملکرد بهتری دارد.