| عنوان فارسی مقاله: | یک رویکرد ماشین های یادگیری برای بهینه ساز ازدحام ذرات همیاری |
| عنوان انگلیسی مقاله: | A Learning Automata Approach to CooperativeParticle Swarm Optimizer |
چکیده
این مقاله اصلاح تکنیک بهینه سازی ازدحام ذرات (PSO)، بر مبنای رفتار همیاری ازدحام ها و توانایی یادگیری یک ماشین خودکار (اتوماسیون) را ارائه میدهد. این رویکرد، بهینه سازی ازدحام ذرات همیاری بر مبنای ماشینهای یادگیری (CPSOLA) نامیده میشود. الگوریتم CPSOLA از لایه های همیاری استفاده میکند که ازدحام داخلی، ازدحام بینی و جمعیت بینی میباشند. دو جمعیت فعال در CPSOLA وجود دارد. در جمعیت اصلی، ذرات در کل ازدحامها واقع میشوند و هر ازدحامی از ابعاد متعدد فضای جستجو تشکیل میشود. از این گذشته، یک جمعیت ثانویه در CPSOLA وجود دارد که طرح تکامل PSO متداول مورد استفاده قرار میگیرد. در لایه فوقانی همیاری، ماشین خودکار یادگیری تعبیه شده (LA) مسئول تصمیم گیری در مورد این مساله است که آیا بین این دو جمعیت همکاری داشته باشد یا خیر. آزمایشات بر پنج تابع محک سازمان دهی میشوند و نتایج عملکرد قابل توجه و قدرت CPSOLA، رفتار همیاری ازدحام ها و کنترل سازگار موفق جمعیتها را نشان میدهند.
