‏الگوريتم بهينه سازي ازدحام ذرات ( PSO) از رفتارهاي پرندگان الهام گرفته شده است‏؛ اين الگوريتم بهينه سازي كلي و الهام گرفته شده از طبيعت است. روش ‎PSO ‏از نظر كاربرد بسيار آسان است‏ و در جهان واقعي عملكرد خوبي داشته است. با اين وجود PSO مشكلاتي هم دارد از جمله همگرايي زودرس كه باعث مي شود جواب هاي بهينه مسائل يك الگوريتم بهينه سازي وزني پويا (CDW-PSO) ارائه شده است در الگوريتم CDW-PSO پردازش جستجو بر اساس يك نقشه بي نظمي و يكگ وزندهي پويا ايجاد مي شود. وزن پويا به عنوان تابع برازندگي تعريف مي شود. براي ارزيابي روش پيشنهادي الگوريتم را روي 17 مجموعه داده‌اي استادارد اجرا نموده و نتايج حاصل را با روش PSO كلاسيك مورد مقايسه قرار داديم كه نتايج بدست آمده نشان مي دهند روش پيشنهادي عملكرد بهتري دارد.‎

1397/09/07

Chaotic Dynamic Weight Particle Swarm Optimization for Numerical Function ‎O‎ptimization

11/28/2018 12:00:00 AM

‎The particle optimization algorithm (PSO) is inspired by the behavior of birds; This algorithm is a totally optimized and inspired nature. The PSO method is very easy to use and in real world it is a good performance. However, the PSO also has problems, including pre-time convergence, which makes the optimal answers to the problems of a dynamic weight optimization algorithm (CDW-PSO) presented in the CDW-PSO algorithm. Search processing is based on an irregularity map and a weight. Floating. Dynamic weight is defined as fitness function. To evaluate the proposed method, the algorithm was implemented on 17 Staddad data sets and we compared the results using the PSO Classic method, which gives the results, suggesting that the proposed method works better.