شماره ركورد
26758
پديد آورنده
محمدهادي لطيفي
عنوان
بهينه ساز چندجهاني تلفيقي با الگوريتم ژنتيك بهبود يافته تطابقي
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
مهندسي كامپيوتر- نرمافزار
سال تحصيل
1398
تاريخ دفاع
1401/7/14
استاد راهنما
جواد وحيدي - محسن ابراهيمي مقدم
دانشكده
مهندسي كامپيوتر - واحد نور
چكيده
بهينهسازي از جمله مهمترين مسائل در مهندسي و ديگر علوم است. الگوريتمهاي بهينهسازي ابتكاري و فراابتكاري با توجه به اينكه نياز به كمينه اطلاعات از مسئله دارند، از روشهاي محبوب در بهينهسازي به شمار ميروند. الگوريتمهاي تركيبي نيز توانايي همپوشاني نقاط ضعف و بهبود عملكرد كلي را دارا هستند. مطالعهي پيشرو به بررسي مختصر الگوريتمهاي ژنتيك و بهينهساز چندجهاني پرداخته و با ارائهي الگوريتم ژنتيك بهبود يافته و تركيب آن با الگوريتم بهينهساز چندجهاني سعي در بهبود عملكرد آن دارد. الگوريتم مذكور در زبان پايتون پيادهسازي شده است. براي مقايسهي الگوريتم تركيبي ارائه شده با الگوريتمهاي ديگر، از مسائل معيار كمك گرفته شده است. نتايج بررسيها نشان ميدهد كه الگوريتم تركيبي ارائه شده نتايج رقابتي و قابل توجهي ارائه داده و عملكرد مناسبي دارد.
تاريخ ورود اطلاعات
1401/04/28
عنوان به انگليسي
Hybrid MVO Algorithm with Improved Adaptive Genetic Algorithm
تاريخ بهره برداري
10/6/2023 12:00:00 AM
دانشجوي وارد كننده اطلاعات
محمدهادي لطيفي
چكيده به لاتين
Since Optimization is one of the most important fields in engineering and other areas, Optimization Algorithms have been around for a long time. Heuristics-based algorithms are favored due to their independency from problem specific information such as gradient. Hybrid algorithms have the power to mitigate shortages of their included algorithms. This study first reviews the Genetic Algorithm and Multiverse Optimizer and then, introduces improved genetic algorithm to be combined with the existing multiverse optimizer. The resulting hybrid algorithm shows better performance of its included algorithms and can overcome local optimum stagnation better. The comparison between the introduced algorithm and some well-known optimization algorithms in the criteria problems show promising results.
كليدواژه هاي فارسي
الگوريتم بهينهسازي , الگوريتم ژنتيك , بهينهساز چندجهاني , بهينه سازي تركيبي
كليدواژه هاي لاتين
Optimization algorithm , Genetic Algorithm , Multiverse Optimizer , Hybrid Optimization
Author
Mohammad Hadi Latifi
SuperVisor
Dr. Javad Vahidi