پایاننامه هوش مصنوعی تغییر الگوریتم بهینه سازی فاخته محیطهای پویا

۱۰۰ هزار تومان ۶۰ هزار تومان
افزودن به سبد خرید

جهت خرید و دانلود پایاننامه هوش مصنوعی تغییر الگوریتم بهینه سازی فاخته محیطهای پویا روی خرید محصول کلیک و یا با ایمیل زیر در ارتباط باشید

sellthesis@gmail.com


پایان‌نامه کارشناسی ارشد کامپیوتر هوش مصنوعی تغییر الگوریتم بهینه سازی فاخته جهت استفاده در محیط های پویا


خرید محصول پایاننامه هوش مصنوعی تغییر الگوریتم بهینه سازی فاخته محیطهای پویا


چکیده:

محیط های پویا محیط هایی هستند که قابلیت تغییرات در طول زمان را به خود اختصاص می دهند. این تغییرات می تواند به طرق مختلف از جمله تغییر در پارامترها، توابع هدف یا محدودیت های مسئله اتفاق افتد. در این راستا حوزه ی وسیعی از علوم مختلف مانند مدیریت، اقتصاد، رایانه، ریاضیات و غیره با این تغییرات روبرو بوده که هم در بخش تئوری و هم به صورت عملی در جهان واقعی مطرح می شوند. به همین دلیل حل مسائل مربوط به محیط های پویا که به حل مسائل بهینه سازی پویا معروفند از چند دهه ی گذشته تا به امروز مطرح بوده اند. مهمترین چالش در حل این گونه مسائل مربوط به نحوه ی سازگاری با محیط تغییر یافته ی جدید می باشد. بنابراین نیاز به ردیابی و دنبال کردن نقطه ی (نقاط) بهینه ی جدید در فضای مسئله احساس می شود. برای برخورد با این چالش محققان بر آن شدند تا از الگوریتم های تکاملی که الهام گرفته از فرآیندهای تکاملی اند و افزودن یکسری مکانیزم-های خاص بهره گیرند. چالش دیگری که این مسائل با آن روبرو می-شوند، یافتن بهینه(ها) به طور هر چه دقیق تر می باشد که برای این امر بایستی حتی الامکان از الگوریتم هایی با سرعت هم گرایی و توانایی جستجوی محلی بالا استفاده کرد. الگوریتم بهینه سازی فاخته یکی از الگوریتم های تکاملی است که در محیط های ایستا سرعت هم گرایی و توانایی جستجوی محلی بالایی از خود نشان داده است. از سویی پویاسازی این الگوریتم تاکنون بررسی نشده است. لذا هدف از این پژوهش پویاسازی و ارائه ی نسخه ی جدیدی از این الگوریتم می باشد. برای تحقق این موضوع ابتدا تغییراتی در ساختار اصلی الگوریتم استاندارد ایجاد شده و با بهره گیری از یک مکانیزم
خود-تطبیقی در شعاع تخم گذاری فاخته ها، تلاش در افزایش سرعت هم-گرایی و توانایی جستجوی محلی صورت گرفته است. سپس جهت ردیابی بهینه(ها) بعد از تغییرات محیطی، از یک الگوریتم چند-دسته ای، مکانیزم ایجاد دسته ی آزاد و نیز مکانیزم انحصار بهره گرفته می شود. همچنین جهت رویارویی با چالش های مربوط به از دست دادن تنوع و حافظه ی نامعتبر در دسته های هم گرا شده، فاخته های هر دسته در شعاعی (که بر اساس طول گام حرکتی قله ها تعیین می گردد) اطراف بهترین فاخته ی آن دسته پخش و مورد ارزیابی قرار می گیرند. در دسته های غیر هم گرا نیز تنها شایستگی موقعیت فاخته های آن دسته مجدداً محاسبه می شود. مکانیزم غیرفعال سازی از دیگر مکانیزم هایی است که جهت افزایش کارآیی الگوریتم در محیط های پویا مطرح شده است. در نهایت بر اساس نتایج به دست آمده، الگوریتم پیشنهادی در مقایسه با اکثر الگوریتم ها کارآیی بهتری از خود نشان داده است.

واژه‌ كلیدی: مسائل بهینه سازی پویا، الگوریتم های تکاملی و الگوریتم بهینه سازی فاخته


فهرست مطالب

عنوان صفحه
فصل اول: مقدمه 1
فصل دوم: شرح مسئله 4
2-1 محیط های پویا و مسائل بهینه سازی پویا 5
2-2 تغییرات پیوسته و ناپیوسته 5
2-3 تغییرات سراسری و مقطعی 6
2-4 اهدف 6
2-5 خلاصه ی فصل 6
فصل سوم: مفاهیم پایه‌ای 7
3-1 الگوریتم بهینه سازی فاخته 8
3-1-1 روش زندگی و تخم گذاری فاخته ها 8
3-1-2 جزئیات الگوریتم بهینه سازی فاخته 9
3-2 تابع محک قله های متحرک 12
3-3 معیار کارآیی 13
3-4 خلاصه ی فصل 14
فصل چهارم: راه‌کارهای پیشین 15
4-1 ایجاد تنوع 16
4-1-1 اعمال مهاجران تصادفی، مهاجران بر پایه ی نخبه و ابر جهش به راه اندازی شده در الگوریتم ژنتیک در محیط پویا 16
4-1-2 به کارگیری الگوریتم ممتیک بر اساس جستجوی محلی تپه نوردی در محیط پویا 18
4-1-3 استفاده از الگوریتم ایمنی مصنوعی بر پایه ی خودکار یادگیرنده در محیط پویا 19
4-1-4 اعمال مکانیزم خود-سازگار در نرخ جابجایی روی الگوریتم های تکاملی در محیط پویا 21
4-1-5 چگونگی به کارگیری خودکار سلولی در الگوریتم های تکاملی در محیط های پویا 22
4-2 به کارگیری حافظه 24
4-2-1 حافظه ی ضمنی 24
4-2-2 حافظه ی صریح 24
4-3 روش چند-جمعیتی بودن 27
4-3-1 به کارگیری الگوریتم بهینه سازی چند-جمعیتی ذرات سریع درمحیط پویا 28
4-3-2 الگوریتم بهینه سازی تجمعی ذرات با رویکرد افزودن گروه فرزند در محیط پویا 30
4-3-3 به کارگیری الگوریتم بهینه سازی تجمعی ذرات با رویکرد وزن تطبیقی و خوشه بندی فازی در محیط پویا 31
4-3-4 به کارگیری الگوریتم گروه ماهی‌های مصنوعی با رویکرد چند-جمعیتی در محیط پویا 32
4-3-5 به کارگیری الگوریتم کرم شب تاب با رویکرد ایجاد گروه در محیط پویا 36
4-4 خلاصه ی فصل 40
فصل پنجم: راه کار پیشنهادی و ارزیابی نتایج 42
5-1 الگوریتم MCOA 43
5-1-1 مکانیزم خود-تطبیقی شعاع تخم گذاری 44
5-2 الگوریتم پیشنهادی MMCOA جهت بهینه سازی در محیط های پویا 46
5-2-1 بررسی هم گرایی دسته ها 46
5-2-2 مکانیزم انحصار 47
5-2-3 کشف تغییرات محیط 48
5-2-4 رفع مشکل حافظه ی نامعتبر و تنوع از دست رفته 48
5-2-5 مکانیزم غیرفعال سازی 49
5-3 تحلیل و ارزیابی نتایج 50
5-3-1 تحلیل نتایج الگوریتم MMCOA در فرکانس تغییرات و تعداد قله های مختلف و مقایسه با دیگر الگوریتم ها 50
5-3-2 تحلیل نتایج الگوریتم MMCOA در طول گام حرکتی مختلف قله ها و مقایسه با دیگر الگوریتم ها 75
5-3-3 تحلیل نتایج الگوریتم MMCOA با تعداد ابعاد مختلف مسئله و مقایسه با دیگر الگوریتم ها 77
5-4 جمع بندی نتایج 79
5-5 خلاصه ی فصل 80
فصل ششم: نتیجه‌گیری و راه کارهای آتی 82
6-1 نتیجه‌گیری 83
6-2 راه‌کارهای آتی 84
مراجع 85
واژه نامه 89


فصل اول: مقدمه 

بهینه سازی، فرآیندی جهت پیداکردن مناسب ترین مقدار از فعالیت(های) مورد نظر در حوزه ی داده شده با توجه به منابع و محدودیت های موجود می باشد. بر همین اساس این فرآیند می تواند طیف وسیعی از حوزه-های علمی در شاخه های مختلف از جمله ریاضیات، آمار، علوم کامپیوتر، علوم مدیریتی و غیره و حتی مسائل روزمره را پوشش دهد. بنابراین پرداختن به مسائل مربوط به بهینه سازی از اهمیت خاصی برخوردار بوده و به عنوان یکی از اصلی ترین رویه های تحقیقاتی برای محققان به شمار می آید.
در مسائل مطرح شده در حوزه ی بهینه سازی طبقه بندی های مختلفی بسته به حوزه ی کاربردی وجود دارد. یکی از این طبقه بندی ها بر اساس تغییرپذیری یا عدم تغییرپذیری محیط اطراف تعیین
می شود. به این ترتیب در صورتی که محیط شاهد عدم تغییرات در خود باشد مسائل مربوطه تحت عنوان مسائل بهینه سازی ایستا مطرح شده و در صورت تغییرات محیطی، با مسائل بهینه سازی پویا روبرو
می گردد. در مسائل نوع اول هدف اصلی یافتن و یا تخمین هر چه بهتر نقطه ی (نقاط) بهینه می باشد. این در حالی است که در مسائل نوع دوم نه تنها باید هدف اصلی در حالت ایستا ارضا شود بلکه بایستی بتوان هر چه سریع تر نقطه ی (نقاط) بهینه را دنبال کرد. این امر از آن جا ناشی می شود که در محیط های پویا به دلیل تغییرپذیری محیطی امکان تغییر نقطه ی (نقاط) بهینه به منطقه ی دیگری از فضای جستجو وجود دارد. بنابراین چنین مسائلی با چالش های بیشتری نسبت به حالت ایستا مواجه می شوند. از این رو محققان بر آن شدند که از الگوریتم هایی بهره گیرند که بتوانند خود را با شرایط متغیر محیطی وفق دهند. به این ترتیب توجه آ ن ها به سمت الگوریتم های تکاملی معطوف گردید. چرا که این الگوریتم ها از تکامل طبیعی الهام گرفته و تکامل طبیعی نیز فرآیندی پیوسته از سازگاری با محیط می باشد.
در پژوهش های انجام شده تاکنون از سه روش اصلی در الگوریتم های تکاملی برای حل مسائل
بهینه سازی پویا استفاده شده است: (1) ایجاد تنوع، (2) به کارگیری حافظه و (3) رویکرد چند-جمعیتی. به دلیل امکان ایجاد تغییرات در فضایی که هیچ عضوی در آن حضور ندارد و یا امکان هم گرایی اعضا در آن منطقه، از رویکرد ایجاد تنوع استفاده می شود. جهت تحقق این امر در الگوریتم هایی چون الگوریتم ژنتیک، از مهاجران تصادفی و گاهی از مکانیزم خود-تطبیقی در نرخ جابجایی مهاجران وارد شده به جمعیت بهره گرفته شده است. در الگوریتم های کلونی مورچگان و کلونی زنبورهای مصنوعی از خودکار سلولی و در یک نمونه نیز از الگوریتم ایمنی مصنوعی بر پایه ی خودکار یادگیرنده، استفاده شده است. همچنین محققان سعی کردند تا با به کارگیری حافظه و استفاده از بهترین اعضای جمعیت بتوانند الگوریتم ژنتیک را با محیط هایی که در معرض تغییرات کم قرار می گیرند تا حدی سازگار نمایند. در نمونه های دیگر از الگوریتم هایی چون الگوریتم بهینه سازی تجمعی ذرات ، الگوریتم گروه ماهی های مصنوعی و الگوریتم کرم شب تاب از رویکرد چند-جمعیتی استفاده شده که در آن ها از چندین جمعیت در فضای جستجو برای ایجاد تعادل بین اکتشاف و استخراج نقطه ی (نقاط) بهینه و ردیابی هر چه بهتر آن(ها) بهره گرفته شده است.
در اين پايان نامه يکي از جديدترين الگوريتم هاي تکاملي، الگوريتم بهينه سازي فاخته ، برای حل مسائل بهینه سازی پویا ارائه می گردد. اين الگوريتم همان طور که از نامش پيداست از نحوه ی زندگی پرنده ای موسوم به فاخته الهام گرفته شده است. مسئله ای که در این جا وجود دارد اینست که الگوریتم فاخته برای حل مسائل بهینه سازی ایستا به کار رفته و نتایج خوبی را گزارش داده است. حال آن که برای استفاده از این الگوریتم در حل مسائل بهینه سازی پویا یکسری مکانیزم هایی جهت ردیابی بهینه در زمان تغییرات و نیز برقراری نوعی تعادل در عملیات اکتشاف و استخراج، افزوده می شوند.
در ادامه، در فصل دوم به شرح کلی مسئله، پیش‎فرض‎ها و اهداف بهینه سازی در محیط های پویا پرداخته و در فصل سوم جهت درک بهتر موضوع، مفاهیم پایه ای و ابزارهای مورد استفاده برای حل مسائل مربوطه مطرح می گردد. در فصل چهارم نمونه هایی از راه کارهای گذشته در زمینه ی مسائل
بهینه سازی پویا، مورد مطالعه قرار گرفته و در فصل پنجم راه‏کار پیشنهادی این تحقیق، نتایج ارزیابی و آزمایشات آورده می شود. در نهایت در فصل ششم نتیجه گیری کلی و راه کارهای آتی ارائه خواهد شد.

مرور

هیچ دیدگاهی برای این محصول نوشته نشده است.