طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های  …

طراحی بهینه پارتوئی مکانیزم شش میله ای برای تولید مسیر با استفاده از الگوریتم های …

ضرایب یادگیرى (Learning Factors): بیانگر میزان کششى است که یک ذره به سمت بهترین تجربه شخصى خودش و یا بهترین تجربه همسایگانش دارد. دو ضریب یادگیرى عبارتند از C1 و C2. C1 ضریب یادگیرى شخصى است و تمایل ذره به سمت اصلاح خود را نشان مىدهد. C2ضریب یادگیرى اجتماعى بوده و تمایل ذره را براى اصلاح موقعیت همسایگانش نشان مىدهد.
در روش بهینهسازى تجمعى ذره، ذرات در سراسر فضاى جستجوى چند بعدى حرکت مىکنند. مکان هر ذره مطابق با تجربه خود و همسایگان تغییر مىکند.
فرض کنید   موقعیت ذره iام را در زمان t نشان مىدهد. موقعیت مرحله بعدى با اضافه شدن سرعت به موقعیت فعلى ذره مطابق رابطه (٣-۱۷) تعیین مى گردد( شکل ٣-٨) :

(۳-۱۷)

بردار سرعت  ، با رابطه زیر تعریف مى شود:

(۳-۱۸)

و  مقادیرى تصادفى در بازه [۰,۱] هستند. همانطور که ذکر گردید  ضریب وزن C1 و C2 به ترتیب ضرایب یادگیرى شخصى و اجتماعى مىباشد.  موقعیت بهترین مکانی که ذره iام تاکنون به آن رسیده و  موقعیت راهنمای iام میباشد. بنابراین، ذرات با تأثیرپذیرى از موقعیت ذرات دیگرى که با آنها در ارتباطند، حرکت مىکنند. این ذرات به عنوان همسایگان ذره شناخته مىشوند[۱۲و۴۲] .

برای دانلود فایل متن کامل پایان نامه به سایت ۴۰y.ir مراجعه نمایید.

شکل۳-۹چگونگی حرکت ذره در روش تجمعی

٣-٣-٣-۴ شبه برنامه روش بهینه سازى تجمعى ذره استاندارد
شبه برنامه و الگوریتم نشان داده شده در شکل ٣-٩، نحوه عملکرد روش بهینهسازى تجمعى ذره را در مسائل بهینه سازى تک هدفه نشان مىدهند. ابتدا موقعیت و سرعت ذرات در جمعیت اولیه به صورت تصادفى ایجاد مىشود. بهترین تجربه شخصى مربوط به هر ذره محاسبه شده و بهترین تجربه گروهى نیز انتخاب مىگردد. در تکرار دوم، با حرکت ذرات با معادلات (٣-۱۷) و (٣-۱۸)، موقعیت جدید ذرات ایجاد مىشود. در این مرحله نیز بهترین تجربه شخصى و بهترین تجربه گروهى تعیین مىگردد. این فرایند تکرار مىشود تا شرط خاتمه برقرار شود. معمولاً شرط خاتمه رسیدن به تعداد تکرار و یا دقت معینى مى باشد. در آخرین تکرار بهترین تجربه گروهى به عنوان نقطه بهینه معرفى مىگردد.]۲۴[