پایان نامه الگوریتم پرندگان – PSO algorithm

پایان نامه الگوریتم پرندگان – PSO algorithm

الگوریتم PSO یا Particle Swarm Optimization به معنی بهینه‌ سازی ازدحام ذرات یک الگوریتم جستجوی اجتماعی می باشد که از روی رفتار اجتماعی دسته ‌های از حرکت گروهی پرندگان و دیگر حیواناتی که به شکل گروهی زندگی می کنند، الگو گرفته است. در این الگوریتم هر پاسخ مساله به صورت یک ذره که دارای مقدار و همچنین میزان تناسب است مدل می شود. این الگوریتم برای اولین بار در سال 1995 توسط Russell Eberhart و ames Kennedy ارائه شده است. در اجرای الگوریتم PSO پارامتر های زیادی دخیل هستند که تنظیم مناسب – آن ها عملکرد الگوریتم را شدیدا تحت تاثیر قرار می دهد. PSO مزایای بسیاری نسبت به دیگر روش های بهینه سازی دارد. از جمله:

• يک روش مرتبه صفر است و نيازي به عمليات سنگين رياضي مثل گراديان‌ گيري احتياج ندارد.
• يک روش مبتني بر جمعيت است. (استفاده از محاسبات توزیع شده)
• بار محاسباتی قابل قبولی دارد.
• همگرایی نسبتا سریعی دارد.

الگوریتم PSO قابلیت حل بیشتر مسائل بهینه سازی را دارا است. از آن جمله می توان به موارد زیر اشاره کرد:

• آموزش شبكه عصبي
• بهينه‌ سازي توابع ریاضی
• بازشناسي الگو
• مسیریابی
• کنترل حرکت روبات ها

این الگوریتم در ابتدا برای پیدا کردن الگو های حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینه ‌ی دسته به کار گرفته شد. در PSO، ذرات در فضای جستجو جاری می ‌شوند. تغییر مکان ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان می باشد.

.

با توجه به اين که اکثر الگوريتم های تکاملی برگرفته از طبيعت و حرکت طبيعی ذرات می­ باشند و با در نظر گرفتن اين مسئله که در دنيای واقعی محيط ، پيوسته در حال تغيير است؛ نياز به روشی است که بتوان اين الگوريتم های تکاملی را در محيط­های پويا و در حال تغيير پیاده ­سازی کرد.

ارزیابی نتايج در شرايط استاندارد نشان داده است که اين تکنيک می تواند توابع چند قله ­ای را رديابی کند و عملکرد آن با در نظر گرفتن ممانعت از تجمع ذرات، با بکارگیری انتخاب سر خوشه ها با استفاده از پارامتر τ ارتقا پيدا کرده است.