دانلود شبیه سازی مقاله بهینه سازی سیستم پیچیده با بهینه سازی مبتنی بر جغرافیای زیستی

بهینه سازی مبتنی بر جغرافیای زیستی

الگوریتم های ابتکاری، فنون بهینه سازی قوی و اثبات شده ای هستند که ساختارهای آنها از طبیعت الهام گرفته شده است. برعکس روش های بهینه سازی سنتی تر، الگوریتم های ابتکاری، براحتی قابل شهود و براحتی قابل کاربرد، حتی برای سیستم های دارای ساختارهای پیچیده، می باشند. سیستم های پیچیده شامل چندین سیستم فرعی، چندین هدف و چندین قید می باشند و در هر نوع صنعت مدرن بکار گرفته شده اند. اما، روش های بهینه سازی برای سیستم های پیچیده، هنوز به پیاده سازی در سیستم های پیچیده در صنعت، نرسیده اند. CO، MDF و IDF اغلب برای بهینه سازی سیستم های پیچیده بکار گرفته شده اند. این روش ها، مشارکت بسیاری در صنعت مدرن داشته است، اما هدف این پروژه، انجام بهینه سازی سیستم های یپچیده در سطح بعدی است. در این پروژه، BBO، یک الگوریتم ابتکاری جدیداً توسعه یافته، گسترش یافته است و برای بهینه سازی سیستم پیچیده بکار گرفته شده است. الگوریتم جدید ما، BBO/Complex نامیده می شود. BBO/Complex از چارچوب اصلی BBO استاندارد استفاده می کند اما به یک محیط چند مجموعه ای (multi-archipelago) تعمیم داده می شود تا مناسب ساختار سیستم های پیچیده گردد. BBO/Complex تفاوت قابل توجهی با نسخه های قبلی خود دارد- یعنی چارچوب بهینه سازی و رویکرد بهینه سازی سطح پایین را با هم ترکیب می کند و به یک الگوریتم منفرد تبدیل می شود. این با MDF، IDF و CO بسیار متفاوت است که همه آنها تنها چارچوب هایی برای سیستم های پیچیده می باشند و نیاز به یک روش بهینه سازی سطح پایین به عنوان یک پارامتر میزان سازی اضافه دارد. رویکردهای بهینه سازی سطح پایین بکار گرفته شده در MDF، IDF و CO، معمولاً الگوریتم های سنتی مانند روش نزول گرادیانی (gradient descent) و نیوتن می باشند. اما، آن الگوریتم ها ممکن است به آسانی در یک بهینه محلی گیر کند. BBO استاندارد می تواند همگرایی به جواب بهینه را، تضمین کند. علاوه بر مزیت های سنتی BBO، الگوریتم BBO/Complex همچنین ویژگی های جدیدی مانند یک سیستم رتبه بندی معرفی می کند که جواب های کاندید براساس عملکرد و همچنین قیدها، استفاده از یک استراتژی فاصله جزئی برای حفظ تنوع جمعیت، مهاجرت درون ریزسیستم برای اشتراک گذاری اطلاعات درون ریزجمعیت ها و مهاجرت بین ریزسیستم ها برای اشتراک گذاری اطلاعات بین ریزجمعیت ها، را ارزیابی می کند. نتایج شبیه سازی نشان می دهند که BBO/Complex یک الگوریتم بهینه سازی چند رشته ای رقابتی است.

این شبیه سازی در نرم افزار متلب (MATLAB) انجام شده و در ادامه نیز تعدادی از نتایج خروجی مرتبط با آن قرار داده شده اند: