این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۱۱، شماره ۴، صفحات ۳۶-۴۹
عنوان فارسی بهبود کارایی الگوریتم تکامل شوراهای شهر با کاهش خطی اندازه جمعیت و فضای جستجو
چکیده فارسی مقاله الگوریتم تکامل شوراهای شهر (CCE)، یک نوع الگوریتم فراابتکاری است که با توجه به ماهیت تشکیل شوراها از کوچکترین محله‌ها تا بزرگترین مناطق شهری، از فرآیند تشکیل شورای عالی یک شهر الهام گرفته شده است. در این مقاله می‌خواهیم کارایی الگوریتم CCE را با دو تغییر مهم در آن بهبود بدهیم. اولین تغییر مربوط به کاهش پیوسته‌ی اندازه‌ی جمیعت با استفاده از تکنیک کاهش خطی جمعیت (LPSR) است. در این تکنیک، اندازه‌ی جمعیت در تکرارهای اولیه‌ی الگوریتم به اندازه‌ی کافی بزرگ در نظر گرفته می‌شود تا الگوریتم بتواند مناطق وسیعی از فضای جستجو را پیمایش کند. با پیشروی الگوریتم، اندازه‌ی جمعیت به‌تدریج کاهش داده می‌شود تا سرعت همگرایی افزایش یابد. دومین تغییر به دامنه‌ی متغیرها مربوط می‌شود که به‌طور پیوسته کاهش می‌یابد تا فضای جستجو محدودتر شده و در نتیجه، امکان یافتن راه‌حل‌های بهینه افزایش پیدا کند. برای ارزیابی و مقایسه‌ی کارایی الگوریتم تکامل شوراهای شهر بهبودیافته (تحت عنوان ICCE که در این مقاله مطرح شده است) با الگوریتم‌های تکامل شوراهای شهر (CCE)، بهینه‌سازی شامپانزه، بهینه‌سازی بیوه سیاه، بهینه‌ساز سیاسی، بهینه‌ساز جفت‌گیری بارناکل‌ها، بهینه‌سازی مار و بهینه‌ساز آکیلا، آن‌ها را روی 29 تابع تست از مسابقات سال 2017 مربوط به کنگره IEEE در زمینه محاسبات تکاملی (CEC 2017) اجرا می‌کنیم. نتایج آزمون‌های میانگین رتبه‌ی فریدمن و رتبه علامت‌دار ویلکاکسون، کارایی بالای الگوریتم ICCE را نسبت به الگوریتم‌های مذکور تأیید می‌کنند.
کلیدواژه‌های فارسی مقاله تکامل، الگوریتم فراابتکاری، سرعت همگرایی، محاسبات تکاملی، تابع تست،
عنوان انگلیسی Improving the Performance of the City Councils Evolution Algorithm by the Linear Reduction of the Population Size and the Search Space
چکیده انگلیسی مقاله City Councils Evolution algorithm (CCE) is a metaheuristic algorithm inspired by the formation process of the supreme council of a city due to the formation of councils from the smallest neighborhoods to the largest regions. In this paper, we want to improve the performance of CCE by applying two important changes.The first change is about the continuous reduction of the population size using Linear Population Size Reduction (LPSR) technique. In this technique, the population size in the initial iterations is considered large enough such that it can explore wide areas of search space. As the algorithm progresses, the population size is gradually reduced to increase the convergence speed. The second change is related to the domain of variables, which is constantly reduced to limit the search space, and so the possibility of finding optimal solutions is increased. To evaluate and compare the performance of ICCE with CCE, Chimp Optimization, Black Widow Optimization, Political Optimizer, Barnacles Mating Optimizer, Snake Optimizer, and Aquila Optimizer, we implement them on 29 test functions from 2017 IEEE Congress on Evolutionary Computation (CEC 2017). The results of Friedman mean rank and Wilcoxon signed-rank tests confirm the higher performance of ICCE compared to other algorithms
کلیدواژه‌های انگلیسی مقاله تکامل, الگوریتم فراابتکاری, سرعت همگرایی, محاسبات تکاملی, تابع تست
نویسندگان مقاله عین الله پیرا |
دانشکده فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان، تبریز، ایران.

علیرضا روحی |
دانشکده فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان

نشانی اینترنتی https://jscit.nit.ac.ir/article_166496_62b21a827e2952d8636009ba8b15e00e.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات