چکیده: (6077 مشاهده)
در این مقاله ، ما یک الگوریتم جدید پیشنهاد کرده ایم که PSO و ژنتیک را به طریقی با هم ترکیب میکند بگونه ای که الگوریتم جدید موثرتر و کار آمد تر میگردد. این بدین معنی که سرعت رسیدن به پاسخ به طور قابل ملاحظه ای افزایش می یابد و در عین حال دقت پاسخ نیز به مراتب بالاتر است. خاصیت الگوریتم بهینه سازی تجمع این است که به سرعت همگرا می شود ، اما در نزدیکی های نقطه بهینه فرآیند جستجو به شدت کند می شود . از طرفی می دانیم که الگوریتم ژنتیک نیز به شرایط اولیه به شدت حساس می باشد . در حقیقت طبیعت تصادفی عملگرهای ژنتیک ، الگوریتم را به جمعیت اولیه حساس می کند. این وابستگی به شرایط اولیه به گونه ای است که اگر جمعیت اولیه خوب انتخاب نگردد ، الگوریتم ممکن است همگرا نشود . در این مقاله با استفاده از این الگوریتم ترکیبی GA- PSO، مکان و اندازه بهینه خازن در یک سیستم توزیع نمونه بدست آمده است . همچنین جایابی بهینه خازن با الگوریتم های PSO و GA بطور جداگانه بدست و نتایج با هم مقایسه شده اند .نتایج نشان می دهند که الگوریتم جدید می تواند سریعتر به پاسخ برسد و به جمعیت اولیه وابسته نیست و پاسخهای دقیق تری را پیدا میکند.
نوع مطالعه:
كاربردي |
موضوع مقاله:
تخصصي دریافت: ۱۳۹۲/۳/۳۰ | پذیرش: ۱۳۹۲/۱۱/۲۲ | انتشار: ۱۳۹۴/۴/۳