فهرست پایان نامه تغییر الگوریتم بهینه سازی فاخته جهت استفاده در محیط های پویا
فهرست:
فصل اول: مقدمه
1
فصل دوم: شرح مسئله
4
2-1 محیطهای پویا و مسائل بهینهسازی پویا
5
2-2 تغییرات پیوسته و ناپیوسته
5
2-3 تغییرات سراسری و مقطعی
6
2-4 اهدف
6
2-5 خلاصهی فصل
6
فصل سوم: مفاهیم پایهای
7
3-1 الگوریتم بهینهسازی فاخته
8
3-1-1 روش زندگی و تخمگذاری فاختهها
8
3-1-2 جزئیات الگوریتم بهینهسازی فاخته
9
3-2 تابع محک قلههای متحرک
12
3-3 معیار کارآیی
13
3-4 خلاصهی فصل
14
فصل چهارم: راهکارهای پیشین
15
4-1 ایجاد تنوع
16
4-1-1 اعمال مهاجران تصادفی، مهاجران بر پایهی نخبه و ابر جهش به راه اندازی شده در الگوریتم ژنتیک در محیط پویا
16
4-1-2 به کارگیری الگوریتم ممتیک بر اساس جستجوی محلی تپهنوردی در محیط پویا
18
4-1-3 استفاده از الگوریتم ایمنی مصنوعی بر پایهی خودکار یادگیرنده در محیط پویا
19
4-1-4 اعمال مکانیزم خود-سازگار در نرخ جابجایی روی الگوریتمهای تکاملی در محیط پویا
21
4-1-5 چگونگی به کارگیری خودکار سلولی در الگوریتمهای تکاملی در محیطهای پویا
22
4-2 به کارگیری حافظه
24
4-2-1 حافظهی ضمنی
24
4-2-2 حافظهی صریح
24
4-3 روش چند-جمعیتی بودن
27
4-3-1 به کارگیری الگوریتم بهینهسازی چند-جمعیتی ذرات سریع درمحیط پویا
28
فهرست مطالب
عنوان
صفحه
4-3-2 الگوریتم بهینهسازی تجمعی ذرات با رویکرد افزودن گروه فرزند در محیط پویا
30
4-3-3 به کارگیری الگوریتم بهینهسازی تجمعی ذرات با رویکرد وزن تطبیقی و خوشهبندی فازی در محیط پویا
31
4-3-4 به کارگیری الگوریتم گروه ماهیهای مصنوعی با رویکرد چند-جمعیتی در محیط پویا
32
4-3-5 به کارگیری الگوریتم کرم شبتاب با رویکرد ایجاد گروه در محیط پویا
36
4-4 خلاصهی فصل
40
فصل پنجم: راهکار پیشنهادی و ارزیابی نتایج
42
5-1 الگوریتم MCOA
43
5-1-1 مکانیزم خود-تطبیقی شعاع تخمگذاری
44
5-2 الگوریتم پیشنهادی MMCOA جهت بهینهسازی در محیطهای پویا
46
5-2-1 بررسی همگرایی دستهها
46
5-2-2 مکانیزم انحصار
47
5-2-3 کشف تغییرات محیط
48
5-2-4 رفع مشکل حافظهی نامعتبر و تنوع از دست رفته
48
5-2-5 مکانیزم غیرفعالسازی
49
5-3 تحلیل و ارزیابی نتایج
50
5-3-1 تحلیل نتایج الگوریتم MMCOA در فرکانس تغییرات و تعداد قلههای مختلف و مقایسه با دیگر الگوریتمها
50
5-3-2 تحلیل نتایج الگوریتم MMCOA در طول گام حرکتی مختلف قلهها و مقایسه با دیگر الگوریتمها
75
5-3-3 تحلیل نتایج الگوریتم MMCOA با تعداد ابعاد مختلف مسئله و مقایسه با دیگر الگوریتمها
77
5-4 جمعبندی نتایج
79
5-5 خلاصهی فصل
80
فصل ششم: نتیجهگیری و راهکارهای آتی
82
6-1 نتیجهگیری
83
6-2 راهکارهای آتی
84
مراجع
85
واژهنامه
89
منبع:
[1]Cruz, C., Gonza´lez, J.R. and Pelta, D.A., "Optimization In Dynamic Environments: A Survey On Problems, Methods And Measures," Journal Soft Computing-A Fusion of Foundations, Methodologies and Applications, Vol. 15, pp. 1427-1448, 2011.
[2]Zaharie, D., Zamfirache, F., "Diversity Enhancing Mechanisms For Evolutionary Optimization In Static And Dynamic Environments," Proc. of 3rd Romanian-Hungarian Joint Symposium on Applied Computational Intelligence, pp. 460-471, 2006.
[3]Yazdani, D., Nasiri, B., Sepas-Moghaddam, A., Meybodi, M.R., "A Novel Multi-Swarm Algorithm For Optimization In Dynamic Environments Based On Particle Swarm Optimization," Applied Soft Computing, Vol.13, pp. 2144- 2158, 2013.
[4]Rajabioun, R., Cuckoo Optimization Algorithm, Applied Soft Computing, Vol. 11, pp. 5508-5518, 2011.
[5]Li, C., Particle Swarm Optimization In Stationary And Dynamic Environments, Doctor of Philosophy Thesis, University of Leicester, 2010.
[6]NGUYEN, T.T., Continuous Dynamic Optimisation Using Evolutionary Algorithm, Doctor of Philosophy Thesis, University of Birmingham, 2010.
[7]Cobb, H. G., Grefenstette, J. J., "Genetic Algorithms For Tracking Changing Environments," Proceedings of the Fifth International Conference on Genetic Algorithms, pp. 523-530, 1993.
[8]Yang, S., "Genetic Algorithms With Elitism-Based Immigrants For Changing Optimization Problems," Applications of Evolutionary Computing, Vol. 4448, pp. 627-636, 2007.
[9]Wang, H., , D. and Yang, S., "A Memetic Algorithm With Adaptive Hill Climbing Strategy For Dynamic Optimization Problems," Soft Computing - A Fusion of Foundations, Methodologies and Applications - Special Issue on Emerging Trends in Soft Computing - Memetic Algorithms, Vol. 13, pp. 763-780, 2009.
[10]Rezvanian, A., Meybodi, M. R., "Tracking Extrema In Dynamic Environments Using A Learning Automata-Based Immune Algorithm," Grid and Distributed Computing, Control and Automation, Vol. 121, pp. 216-225, 2010.
[11]Xin, Y., Ke, T. and Xin, Y., "Immigrant Schemes For Evolutionary Algorithms In Dynamic Environments: Adapting The Replacement Rate," Science in China Series F - Information Sciences, Vol. II, pp. 543-552, 2011.
[12]Baktash, N., Mahmoudi, F. andMeybodi, M. R., "Cellular PSO-ABC: A New Hybrid Model For Dynamic Environment," International Journal of Computer Theory and Engineering, Vol. 4, No. 3, pp. 365-368, 2012.
کیانفر، س. و میبدی، م. ر.، «الگوریتم کلونی مورچه سلولی،» هفدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران، 1390.
[14]Hashemi, A. B., Meybodi, M. R., "Cellular PSO: A PSO For Dynamic Environments," ISICA '09 Proceedings of the 4th International Symposium on Advances in Computation and Intelligence, pp. 422-433, 2009.
[15]Yang, S., "Explicit Memory Schemes For Evolutionary Algorithms In DynamicEnvironments," Evolutionary Computation in Dynamic and Uncertain Environments, pp. 3-28, 2007.
[16]Li, C., Yang, S., "Fast Multi-Swarm Optimization For Dynamic Optimization Problems," Natural Computation, ICNC '08. Fourth International Conference, Vol. 7, pp. 624-628, 2008.
[17]Li, C., Yang, S., "An Island Based Hybrid Evolutionary Algorithm For Optimization," Simulated Evolution and Learning, pp. 180-189, 2008.
[18]
[19]V, 2006.
[20]Pant, M., Thangaraj, R. and Abraham, A., "A New Quantum Behaved Particle Swarm Optimization," GECCO '08 Proceedings of the 10th annual conference on Genetic and evolutionary computation, pp. 87-94, 2008.
[21]Rezazadeh, I. Meybodi, M. R. and Naebi, A., "Adaptive Particle Swarm Optimization Algorithm For Dynamic Environments," ICSI'11 Proceedings of the Second international conference on Advances in swarm intelligence, Vol. I, pp. 120-129, 2011.
[22]Yazdani, D., Akbarzadeh-Totonchi, M. R., Nasiri, B. and Meybodi, M. R., "A New Artificial Fish Swarm Algorithm For Dynamic Optimization Problems," Evolutionary Computation (CEC), IEEE Congress on, pp. 1-8, 2012.
[23]Nasiri, B., Meybodi, M. R., "Speciation Based Firefly Algorithm For Optimization In Dynamic Environments," International Journal of Artificial Intelligence, Vol. 8, pp. 118-132, 2012.
[24]Blackwell, T., Branke, J., Li, X., "Particle Swarms For Dynamic Optimization Problems," Swarm Intelligence: Introduction and Applications, pp. 193–217, 2008.
[25]Kamosi, M., Hashemi, A. B. and Meybodi, M. R., "A Hibernating Multi-Swarm Optimization Algorithm For Dynamic Environments," Proceedings of World Congress on Nature and Biologically Inspired Computing (NaBIC2010), pp. 370–376, 2010.
[26]Changhe, L., Yang, S., "Fast Multi-Swarm Optimization For Dynamic Optimization Problems," 4th International Conference on Natural Computation, pp. 624–628, 2008.
[27]Hu, X., Eberhart, R. C., "Adaptive Particle Swarm Optimization: Detection And Response To Dynamic Systems," IEEE Congress on Evolutionary Computation, CEC2002, pp. 1666–1670, 2002.
[28]Du, W., Li, B., "Multi-Strategy Ensemble Particle Swarm Optimization For Dynamic Optimization," Information Sciences 178, Vol 178, pp. 3096–3109, 2008.
[29]Bird, S., Li, X., "Using Regression To Improve Local Convergence," IEEE Congress on Evolutionary Computation, CEC 2007, pp. 592–599, 2007.
[30]Liu, L., Yang, S. and Wang, D., "Particle Swarm Optimization With Composite Particles In Dynamic Environments," IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics 40, pp. 1634–1648, 2010.
[31]Lung, R. I., Dumitrescu, D., "A Collaborative Model For Tracking Optima In Dynamic Environments," IEEE Congress on Evolutionary Computation, pp. 564–567, 2007.
[32]Lung, R. I., Dumitrescu, D., "Evolutionary Swarm Cooperative Optimization In Dynamic Environments," Natural Computing 9, Vol 9, pp. 83–94, 2010.
[33]Woldesenbet, Y. G., Yen, G. G., "Dynamic Evolutionary Algorithm With Variable Relocation," IEEE Transactions on Evolutionary Computation 13, pp. 500–513, 2009.
[34]Noroozi, N., Hashemi, A. B., Meybodi, M. R., "CellularDE: A Cellular Based Differential Evolution For Dynamic Optimization Problems," Adaptive and Natural Computing Algorithms, Vol 1, pp. 340–349, 2011.
[35]Plessis, M. C., Engelbrecht, A. P., "Differential Evolution For Dynamic Environments With Unknown Numbers Of Optima," Journal of Global Optimization, Vol 55, pp. 73-99, 2013.