1‌.1‌.1‌    الگوریتم بهینه‌سازی چندهدفه تکاملی MOPSO

الگوریتم MOPSO[1] برای اولین بار توسط کولو کولو[2] و همکاران در سال 2004 ارائه گردید ]38[. اساس عملکرد این الگوریتم مانند الگوریتم PSO[3] معمولی می باشد اما با این تفاوت که تعیین بهترین ذره و بهترین خاطره شخصی برای چند هدف تعمیم داده شده می باشد. پس در این بخش آغاز به مطالعه عملکرد الگوریتم PSO پرداخته می گردد و سپس این الگوریتم به MOPSO تعمیم داده‌ می گردد.

الگوریتم PSO یا الگوریتم دسته ذرات اولین بار در سال 1995 توسط ابرهارت و کندی[4] مطرح گردید ]39[. در تدوین این روش از پرواز گروهی پرندگان و شنای گروهی ماهی‌ها و زندگی اجتماعی آنان الهام گرفته شده که با بهره گیری از یک سری روابط ساده فرمول‌بندی شده می باشد. مانند همه الگوریتم‌های تکاملی دیگر، الگوریتم دسته ذرات نیز با ایجاد یک جمعیت تصادفی از افراد شروع می گردد که در اینجا به عنوان یک گروه از ذره‌ها خوانده می شوند. مشخصات هر ذره در گروه، براساس مجموعه‌ای از پارامترها تعیین می گردد که بایستی مقادیر بهینه آنها تعیین گردد. در این روش، هر ذره یک نقطه از فضای جواب مسئله را نشان می‌دهد. هر کدام از ذرات دارای حافظه هستند، یعنی بهترین موقعیتی که در فضای جستجو تجربه می‌کنند را به خاطر می‌سپارند. پس حرکت هر ذره در دو جهت صورت می‌گیرد: الف) به سوی بهترین موقعیتی که تاکنون اختیار کرده و ب) به سوی بهترین موقعیتی که همه ذرات تا به حال اختیار کرده‌اند. در این روش، تغییر جایگاه هر ذره در فضای جستجو تحت تاثیر تجربه و دانش خودش و همسایگانش می باشد.

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

 

 متن فوق بخش هایی از این پایان نامه بود

می توانید به لینک پایین صفحه مراجعه نمایید: