دانلود مقاله بهینه‌سازی ازدحام ذرات خاکستری:
تعداد کلمات فایل انگلیسی:6700 کلمه 12 صفحه pdf
تعداد صفحات فایل ترجمه:19 صفحه word فونت 14 B Mitra
بهینه‌سازی ازدحام ذرات خاکستری:
چکیده:
با استفاده از تحلیل رابطه خاکستری، این مطالعه تلاش می‌کند تا دو استراتژی اتوموماسیون پارامترهای خاکستری برای بهینه‌سازی ازدحام ذرات (PSO) پیشنهاد دهد. یکی برای اینرسی وزن و دیگری برای ضریب شتاب است. با توجه به رویکردهای پیشنهادی، هر یک از ذرات دارای وزن درونی خود و ضریب شتاب هستند که مقادیر آن وابسته به درجه خاکستری متناظر آن است. ازآنجایی‌که درجه ارتباطی یک‌ذره در طول تکرار متغیر است، این پارامترها متغیر به زمان است. حتی در همان تکرار، این پارامترها ممکن است برای ذرات مختلف و رابطه‌ای متفاوت باشد. علاوه بر این، با توجه به تحلیل رابطه‌ای خاکستری که شامل اطلاعات توزیع جمعیت، چنین استراتژی‌های اتوموماسیون پارامتری تلاش می‌کند تا PSO خاکستری را برای انجام تحقیقی سراسری در فضای تحقیق با سرعت همگرایی سریع‌تر انجام دهد. PSO خاکستری پیشنهادی برای حل مسائل بهینه‌سازی 12 توابع معیار منفرد و چندبعدی استفاده‌شده است. نتایج شبیه‌سازی با PSO تطبیقی (APSO) و دو نوع شناخته‌شده PSO، PSO با وزن خطی متفاوت (PSO-LVIW) و PSO با سایزهای شتاب متفاوت زمان (HPSO-TVAC) مقایسه شده است تا عملکرد تحقیق PSO خاکستری نشان داده شود.
Grey particle swarm optimization
Min-Shyang Leu, Ming-Feng Yeh* Department of Electrical Engineering, Lunghwa University of Science and Technology, Taoyuan, Taiwan
abstract
With the help of grey relational analysis, this study attempts to propose two grey-based parameter automation strategies for particle swarm optimization (PSO). One is for the inertia weight and the other is for the acceleration coefficients. By the proposed approaches, each particle has its own inertia weight and acceleration coefficients whose values are dependent upon the corresponding grey relational grade. Since the relational grade of a particle is varying over the iterations, those parameters are also time-varying. Even if in the same iteration, those parameters may differ for different particles. In addition, owing to grey relational analysis involving the information of population distribution, such parameter automation strategies make an attempt on the grey PSO to perform a global search over the search space with faster convergence speed. The proposed grey PSO is applied to solve the optimization problems of 12 unimodal and multimodal benchmark functions for illustration. Simulation results are compared with the adaptive PSO (APSO) and two well-known PSO variants, PSO with linearly varying inertia weight (PSO-LVIW) and PSO with time-varying acceleration coefficients (HPSO-TVAC), to demonstrate the search performance of the grey PSO.
Keywords: Evolution computation Grey relational analysis Parameter automation strategy Particle swarm optimization
کد:2-10994
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله بهینه‌سازی ازدحام ذرات خاکستری:
تعداد کلمات فایل انگلیسی:6700 کلمه 12 صفحه pdf
تعداد صفحات فایل ترجمه:19 صفحه word فونت 14 B Mitra
بهینه‌سازی ازدحام ذرات خاکستری:
چکیده:
با استفاده از تحلیل رابطه خاکستری، این مطالعه تلاش می‌کند تا دو استراتژی اتوموماسیون پارامترهای خاکستری برای بهینه‌سازی ازدحام ذرات (PSO) پیشنهاد دهد. یکی برای اینرسی وزن و دیگری برای ضریب شتاب است. با توجه به رویکردهای پیشنهادی، هر یک از ذرات دارای وزن درونی خود و ضریب شتاب هستند که مقادیر آن وابسته به درجه خاکستری متناظر آن است. ازآنجایی‌که درجه ارتباطی یک‌ذره در طول تکرار متغیر است، این پارامترها متغیر به زمان است. حتی در همان تکرار، این پارامترها ممکن است برای ذرات مختلف و رابطه‌ای متفاوت باشد. علاوه بر این، با توجه به تحلیل رابطه‌ای خاکستری که شامل اطلاعات توزیع جمعیت، چنین استراتژی‌های اتوموماسیون پارامتری تلاش می‌کند تا PSO خاکستری را برای انجام تحقیقی سراسری در فضای تحقیق با سرعت همگرایی سریع‌تر انجام دهد. PSO خاکستری پیشنهادی برای حل مسائل بهینه‌سازی 12 توابع معیار منفرد و چندبعدی استفاده‌شده است. نتایج شبیه‌سازی با PSO تطبیقی (APSO) و دو نوع شناخته‌شده PSO، PSO با وزن خطی متفاوت (PSO-LVIW) و PSO با سایزهای شتاب متفاوت زمان (HPSO-TVAC) مقایسه شده است تا عملکرد تحقیق PSO خاکستری نشان داده شود.
Grey particle swarm optimization
Min-Shyang Leu, Ming-Feng Yeh* Department of Electrical Engineering, Lunghwa University of Science and Technology, Taoyuan, Taiwan
abstract
With the help of grey relational analysis, this study attempts to propose two grey-based parameter automation strategies for particle swarm optimization (PSO). One is for the inertia weight and the other is for the acceleration coefficients. By the proposed approaches, each particle has its own inertia weight and acceleration coefficients whose values are dependent upon the corresponding grey relational grade. Since the relational grade of a particle is varying over the iterations, those parameters are also time-varying. Even if in the same iteration, those parameters may differ for different particles. In addition, owing to grey relational analysis involving the information of population distribution, such parameter automation strategies make an attempt on the grey PSO to perform a global search over the search space with faster convergence speed. The proposed grey PSO is applied to solve the optimization problems of 12 unimodal and multimodal benchmark functions for illustration. Simulation results are compared with the adaptive PSO (APSO) and two well-known PSO variants, PSO with linearly varying inertia weight (PSO-LVIW) and PSO with time-varying acceleration coefficients (HPSO-TVAC), to demonstrate the search performance of the grey PSO.
Keywords: Evolution computation Grey relational analysis Parameter automation strategy Particle swarm optimization
کد:2-10994
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com