الگوریتم ترکیبی باشکوه با حافظه بر اساس مشکلات بهینه سازی عددی

Elsevier
سال انتشار :
2017
تعداد صفحات مقاله انگلیسی :
16
نشریه :
الزویر
تعداد رفرنس ها :
79
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Dragonfly algorithm Particle Swarm Optimization Hybridization Benchmark functions Engineering problems Friedman’s test
کلمات کلیدی :
الگوریتم سنجاقک، ذرات ذرات، بهینه سازی، ترکیب ، توابع معیار، مشکلات مهندسی، آزمون فریدمن
عنوان فارسی :

الگوریتم ترکیبی باشکوه با حافظه بر اساس مشکلات بهینه سازی عددی

عنوان انگلیسی :

Memory based Hybrid Dragonfly Algorithm for numerical optimization problems

ژورنال :
Expert Systems with Applications
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0957417417302762
آدرس DOI :
https://doi.org/10.1016/j.eswa.2017.04.033
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2017

تعداد صفحات مقاله انگلیسی : 15

نشریه : الزویر

تعداد رفرنس ها : 79

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Dragonfly algorithm Particle Swarm Optimization Hybridization Benchmark functions Engineering problems Friedman’s test

کلمات کلیدی : الگوریتم سنجاقک، ذرات ذرات، بهینه سازی، ترکیب ، توابع معیار، مشکلات مهندسی، آزمون فریدمن

عنوان فارسی : الگوریتم ترکیبی باشکوه با حافظه بر اساس مشکلات بهینه سازی عددی

عنوان انگلیسی : Memory based Hybrid Dragonfly Algorithm for numerical optimization problems

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0957417417302762



چکیده انگلیسی
Dragonfly algorithm (DA) is a recently proposed optimization algorithm based on the static and dynamic swarming behaviour of dragonflies. Due to its simplicity and efficiency, DA has received interest of researchers from different fields. However, it lacks internal memory which may lead to its premature convergence to local optima. To overcome this drawback, we propose a novel Memory based Hybrid Dragonfly Algorithm (MHDA) for solving numerical optimization problems. The pbest and gbest concept of Particle Swarm optimization (PSO) is added to conventional DA to guide the search process for potential candidate solutions and PSO is then initialized with pbest of DA to further exploit the search space. The proposed method combines the exploration capability of DA and exploitation capability of PSO to achieve global optimal solutions. The efficiency of the MHDA is validated by testing on basic unconstrained benchmark functions and CEC 2014 test functions. A comparative performance analysis between MHDA and other powerful optimization algorithms have been carried out and significance of the results is proved by statistical methods. The results show that MHDA gives better performance than conventional DA and PSO. Moreover, it gives competitive results in terms of convergence, accuracy and search-ability when compared with the state-of-the-art algorithms. The efficacy of MHDA in solving real world problems is also explained with three engineering design problems.

چکیده فارسی
الگوریتم سنجاقک (DA) یک الگوریتم بهینه سازی اخیرا پیشنهاد شده بر اساس رفتار استاتیکی و پویایی سنجاقک ها است. با توجه به سادگی و کارایی آن، DA از علاقه مندان به محققان مختلفی برخوردار است. با این حال، حافظه داخلی آن کم است که ممکن است منجر به همگرایی زودرس آن به اختیارات محلی شود. برای غلبه بر این مشکل، ما یک الگوریتم ترکیبی با گرافیک متحرک جدید (MHDA) را برای حل مشکلات بهینه سازی عددی ارائه می دهیم. مفهوم pbest و gbest بهینه سازی ذرات ذره ای (PSO) به DA معمولی اضافه می شود تا فرایند جستجو را برای راه حل های بالقوه اولیه هدایت کند و سپس PSO با pbest DA شروع به استفاده بیشتر از فضای جستجو می کند. روش پیشنهادی شامل قابلیت های اکتشافی DA و قابلیت بهره برداری از PSO برای دستیابی به راه حل های مطلوب جهانی است. کارایی MHDA با آزمایش بر روی عملکرد پایه بدون محدودیت و توابع آزمون CEC 2014 معتبر است. تجزیه و تحلیل عملکرد مقایسه ای بین MHDA و دیگر الگوریتم های بهینه سازی قدرتمند انجام شده است و اهمیت نتایج با روش های آماری ثابت شده است. نتایج نشان می دهد که MHDA دارای عملکرد بهتر نسبت به DA معمولی و PSO است. علاوه بر این، در مقایسه با الگوریتم های پیشرفته تر، نتایج رقابتی را از لحاظ همگرایی، دقت و قابلیت جستجو افزایش می دهد. کارایی MHDA در حل مسائل دنیای واقعی نیز با سه مشکل طراحی مهندسی توضیح داده شده است.

موضوعات مقاله