دانلود شبیه سازی مقاله تقویت الگوریتم دانه-درخت از طریق مکانیزم فیدبک

پروژه متلب الگوریتم دانه-درخت

مسائل بهینه به معنای تعیین مقدار تعدادی متغیر اختیاری تحت قیدهای معین برای بهینه سازی توابع هدف انتخاب شده، می باشد. این، مشخصه ذاتی دستیابی به بهترین یا مفیدترین (کمینه یا بیشینه) در یک وضعیت معین است. مسائل بهینه سازی حاوی فضای جواب ساختارمند گسسته یا پیوسته و مسائل بهینه سازی چندهدفی، و غیره می باشند. بنابراین، بهینه سازی در مسائل مهندسی، طراحی صنعتی، تحلیل طراحی و غیره بکار گرفته می شود. در عین حال، محاسبات الهام گرفته از طبیعت نیز در کاربردهای مهندسی بیش از پیش محبوب می شود. بسیاری از این فنآوریها از تکامل زیست شناسی که سیستم های زنده فوق العاده پیچیده ای را تولید کرده اند، الهام گرفته شده اند.

«الگوریتم بذر درخت» (TSA) یک الگوریتم جستجوی تصادفی مبتنی بر جمعیت نوین است که مزیت هایی در مسائل بهینه سازی پیوسته دارد. اما، تعدادی مسئله در روال جستجوی آن وجود دارد. مسئله (1): مکانیزم توازن اکتشاف و بهره برداری با یک ST ثابت پیاده سازی می شود و این مقدار ثابت در روند جستجوی تصادفی، غیرمعقول است؛ مسئله (2): مکانیزم تولید بذر به تصادف بدون ملاحظه فازهای جستجوی مختلف براساس ارزیابی تابع، حاصل می شود. برای رفع این دو مسئله، مکانیزم بازخورد باید ارتقا یابد. ابتدا، st_TSA برای حل مسئله (1) پیشنهاد می شود؛ دوم اینکه، ns_TSA برای ادامه حل مسئله (2) پیشنهاد می شود؛ در نهایت، برای ارث بردن این مکانیزم های بازخورد، یک fb_TSA نوین پیشنهاد شد و بوسیله 30 تابع معیار آزمون استاندارد از IEEE CEC 2014 با TSA پایه و انواع آن، مانند STSA، تایید شد. علاوه بر آن، GWO، ABC، SCA، DE، PSO و CLPSO برای تعدادی آزمایش مقایسه ای با ابعاد مختلف، بکار گرفته می شوند. نتایج محاسباتی نشان می دهند که مکانیزم بازخورد بهبود یافته برروی پارامترهای ST و ns می توانند قابلیت بهینه سازی TSA پایه را بخصوص در بهینه سراسری، بهبود دهند. کاربردی بودن fb_TSA پیشنهادی بوسیله 4 مسئله مهندسی واقعی در مقایسه با TSA، SCA، ABC و PSO، اثبات شده است.

این مقاله مربوط به سایت 2020 از سایت الزویر می باشد و شبیه سازی آن نیز در محیط نرم افزار متلب (MATLAB) انجام شده است و در ادامه نیز تصویر مربوط به خروجی این شبیه سازی قرار داده شده است: