SIA: Swarm Intelligence Algorithms

الگوریتم های هوش جمعی

SIA: Swarm Intelligence Algorithms

الگوریتم های هوش جمعی

بررسی یک الگوریتم ممتیکی تطبیقی با استفاده از تکامل تفاضلی و Q-learning: مطالعه موردی از برنامه ریزی مسیر جندرباتی

مقاله: بررسی یک الگوریتم ممتیکی تطبیقی با استفاده از تکامل تفاضلی و Q-learning: مطالعه موردی از برنامه ریزی مسیر جندرباتی

 

این مقاله در سال 2013 توسط Pratyusha Rakshit, و همکارانش در IEEE به چاپ رسیده است.

الگوریتم های ممتیکی، الگوریتم های جستجو فراابتکاری مبتنی بر جمعیت هستند که مزایای تکامل های طبیعی و فرهنگی را با یکدیگر ترکیب می کنند. یک الگوریتم ممتیکی تطبیقی انتخاب تطبیقی مم ها از مخزن مم را به منظور بهبود الگوهای فرهنگی اعضاء الگوریتم جستجو مبتنی بر جمعیت ترکیب می کند.

در این مقاله یک دیدگاه جدید برای طراحی یک الگوریتم ممتیکی تطبیقی ارائه شده است. این کار با ترکیب مزیت های الگوریتم تکامل تفاضلی (DE) برای جستجوی سراسری و Q-learning برای پالایش محلی انجام می شود. در واقع در این مقاله یک تکنیک جدید که ترکیبی از DE و Q-learning می باشد الگوریتم ممتیکی تطبیقی را بهبود می دهد.

چهار نوع الگوریتم تکامل تفاضلی برای مطالعه کارائی الگوریتم ممتیکی تطبیقی برای جنبه های زمان اجرا، ارزیابی تابع هزینه و دقت استفاده می شود. در ادامه به معرفی چند الگوریتم مورد استفاده در این مقاله پرداخته شده است:

 

ادامه مطلب ...

الگوریتم های فرا ابتکاری و تکاملی برای بهینه سازی مهندسی

کتاب: الگوریتم های فرا ابتکاری و تکاملی برای بهینه سازی مهندسی

 

این کتاب در سال 2017 توسط امید بزرگ حداد، محمد سلگی و Hugo A. Loaiciga در انتشارات Wiley به چاپ رسیده است.

الگوریتم های فراابتکاری و تکاملی تکنیک های بهینه سازی مستقل از مسئله می باشند. آنها در حل مسائل گسترده ای از جهان واقعی و مهندسی پیچیده موثر می باشند. در این کتاب مهمترین الگوریتم های فراابتکاری و تکاملی که تاکنون وجود دارند، ارائه و به طور واضح توضیح داده می شوند. الگوریتم های ارائه شده در این کتاب عبارتند از: جستجو الگو (PS)، الگوریتم ژنتیک (GA)، شبیه سازی تبرید (SA)، جستجوی ممنوعه (TS)، بهینه سازی کلونی مورچه (ACO)، بهینه سازی ازدحام ذرات (PSO)، تکامل تفاضلی (DE)، جستجوی هارمونی (HS)، الگوریتم جهش قورباغه (SFLA)، بهینه سازی جفت گیری زنبور عسل (HBMO)، بهینه سازی علف های هرز مهاجم (IWO)، بهینه سازی نیروی مرکزی (CFO بهینه سازی مبتنی بر جغرافیای زیستی (BBO)، الگوریتم کرم شب تاب (FA)، الگوریتم جستجوی گرانشی (GSA الگوریتم خفاش (BA)، الگوریتم پخش گیاه (PPA)، الگوریتم چرخه آب (WCA)، جستجوی ارگانیسم های همزیستی (SOS) و الگوریتم تکاملی جامع (CEA).

 

ادامه مطلب ...