|
Title
|
بهبود کارایی الگوریتم تکامل شوراهای شهر با کاهش خطی اندازه جمعیت و فضای جستجو
|
|
Type of Research
|
Article
|
|
Keywords
|
تکامل، الگوریتم فراابتکاری، سرعت همگرایی، محاسبات تکاملی، تابع تست.
|
|
Abstract
|
الگوریتم تکامل شوراهای شهر (CCE)، یک نوع الگوریتم فراابتکاری است که با توجه به ماهیت تشکیل شوراها از کوچکترین محله ها تا بزرگترین مناطق شهری، از فرآیند تشکیل شورای عالی یک شهر الهام گرفته شده است. در این مقاله می خواهیم کارایی الگوریتم CCE را با دو تغییر مهم در آن بهبود بدهیم. اولین تغییر مربوط به کاهش پیوستة اندازة جمیعت با استفاده از تکنیک کاهش خطی جمعیت (LPSR) است. در این تکنیک، اندازة جمعیت در تکرارهای اولیة الگوریتم به اندازة کافی بزرگ در نظر گرفته می شود تا الگوریتم بتواند مناطق وسیعی از فضای جستجو را پیمایش کند. با پیشروی الگوریتم، اندازة جمعیت به تدریج کاهش داده می شود تا سرعت همگرایی افزایش یابد. دومین تغییر به دامنة متغیرها مربوط می شود که به طور پیوسته کاهش می یابد تا فضای جستجو محدودتر شده و در نتیجه، امکان یافتن راه حل های بهینه افزایش پیدا کند. برای ارزیابی و مقایسة کارایی الگوریتم تکامل شوراهای شهر بهبودیافته (تحت عنوان ICCE که در این مقاله مطرح شده است) با الگوریتم های تکامل شوراهای شهر (CCE)، بهینه سازی شامپانزه، بهینه سازی بیوه سیاه، بهینه ساز سیاسی، بهینه ساز جفت گیری بارناکل ها، بهینه سازی مار و بهینه ساز آکیلا، آن ها را روی 29 تابع تست از مسابقات سال 2017 مربوط به کنگره IEEE در زمینه محاسبات تکاملی (CEC 2017) اجرا می کنیم. نتایج آزمون های میانگین رتبة فریدمن و رتبه علامت دار ویلکاکسون، کارایی بالای الگوریتم ICCE را نسبت به الگوریتم های مذکور تأیید می کنند.
|
|
Researchers
|
Einollah Pira (First Researcher)، Alireza Rouhi (Second Researcher)
|