کد الگوریتم بهینه سازی فاخته برای حل مسایل بهینه سازی با امکان تغییر تابع هزینه در مسایل:انجام پروژه متلب

کانال های آموزش شبیه سازی با متلب
می 7, 2018
تشخیص نوع تومور مغزی (بدخیم و خوش خیم) توسط متلب همراه مقاله رفرنس:انجام پروژه متلب
می 7, 2018

کد الگوریتم بهینه سازی فاخته برای حل مسایل بهینه سازی با امکان تغییر تابع هزینه در مسایل:انجام پروژه متلب

کد الگوریتم بهینه سازی فاخته برای حل مسایل بهینه سازی با امکان تغییر تابع هزینه در مسایل:انجام پروژه متلب

الگوریتم بهینه سازی کوکو یا Cuckoo Optimization Algorithm یکی از جدیدترین و قویترین روشهای بهینه سازی تکاملی می باشد که معرفی شده است. بعد از معرفی شدن روش های بهینه سازی تکاملی اولیه مثل الگوریتم ژنتیک (GA)، الگوریتم اجتماع ذرات(PSO)، تحقیقات زیادی روی روشهای تکاملی بهینه سازی که با الهام از طبیعت گرفته شده بودند انجام گرفت. از دیگر الگوریتمهای معرفی شده می توان به الگوریتم کلونی مورچگان(ACO)، الگوریتم زنبور عسل (ABC) و الگوریتم های ماهی های مصنوعی (Artificial Fish Swarm ) اشاره کرد. کاربردهای بیشماری از این روشها را برای حل مسایل مختلف بهینه سازی پیچیده در مقالات می توان پیدا کرد

در این مقاله یک الگوریتم تکاملی جدید، مناسب براي مسائل بهینه سازي غیرخطی پیوسته، معرفی می شود. این نام فاخته ها، الهام گرفته است. زندگی خاص این نوع پرنده الگوریتم بهینه سازي از زندگی یک خانواده از پرندگان به و ویژگی هاي آن در تخم گذاري و زاد و ولد، انگیزه اصلی پرورش این الگوریتم تکاملی بهینه سازي جدید بوده است. مانند سایر روش هاي تکاملی، الگوریتم بهینه سازي (COA ،(با یک جمعیت اولیه آغاز می شود. جمعیت 1 فاخته فاخته ها، در جوامع مختلف آن ها، دو نوع است: فاخته هاي بالغ و تخم ها. تلاش فاخته ها براي زنده ماندن اساس الگوریتم بهینه سازي فاخته را تشکیل می دهد. در طول مسابقه براي زنده ماندن، برخی از فاخته ها یا تخم هاي آنان از بین می روند. جامعه فاختگان نجات یافته به یک محیط بهتر مهاجرت می کنند، و دوباره شروع به تکثیر و تخم گذاري می کنند. امید است تلاش فاخته ها براي زنده 1 Cuckoo Optimization Algorithm ماندن، به حالتی برسد که تنها یک جامعه از فاخته ها وجود داشته باشد، همه با یک ارزش سود مشابه. استفاده از الگوریتم پیشنهاد شده در چند تابع محک و یک مسئله واقعی، توانایی آن را در حل مسائل دشوار بهینه سازي ثابت می کند.

در این مقاله، ما یک الگوریتم تکاملی بهینه سازي جدید را معرفی می کنیم که از زندگی یک خانواده از پرندگان به نام “فاخته” الهام گرفته است. نحوه خاص تخم گذاري و زاد و ولد فاخته ها، اساس این الگوریتم بهینه سازي نوین است. فاخته هایی که در این مدل از آن ها استفاده می شود، بر دو نوع اند: فاخته هاي بالغ و تخم ها. فاخته هاي بالغ در لانه هاي پرندگان دیگر تخم گذاري می کنند و اگر این تخم ها توسط پرنده هاي میزبان شناسایی و نابود نشوند، رشد می کنند و به فاخته هاي بالغ تبدیل می شوند. امید می رود، خصوصیات زیست محیطی و مهاجرت جوامع (گروه هاي) فاخته ها آن ها را به سمت همگرایی و یافتن بهترین محیط براي زاد و ولد و تکثیر هدایت کند. این بهترین محیط، ماکزیمم مطلق توابع هدف است. این مقاله نشان می دهد که چگونه شیوه حیات فاخته ها مدل سازي و اجرا می شود. بخش 2 پرندگانی به نام فاخته را مورد بررسی قرار می دهد و ویژگی هاي شگفت انگیززندگی آن ها را مرور می کند. در بخش 3 ،الگوریتم بهینه سازي فاخته ارائه می شود و قسمت هاي مختلف آن با جزئیات مورد مطالعه قرار می گیرد. در بخش 4 الگوریتم پیشنهاد شده با چند تابع محک و نیز با طراحی کنترل کننده یک فرآیند چند ورودي – چند خروجی (MIMO (به عنوان یک مطالعه موردي واقعی، آزموده می شود. سرانجام در بخش 5 نتیجه سرانجام در بخش 5 نتیجه گیري انجام می شود.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

WhatsApp chat