Gcaco gradient based continuous ant colony optimization gcaco
Sponsored Links
This presentation is the property of its rightful owner.
1 / 18

مهدی افتخاری سراج الدين کاتبي PowerPoint PPT Presentation


  • 75 Views
  • Uploaded on
  • Presentation posted in: General

الگوريتم بهينه سازي اجتماع مورچگان بر مبناي گراديان براي فضاهای پيوسته (GCACO) Gradient based Continuous Ant Colony Optimization (GCACO). مهدی افتخاری سراج الدين کاتبي. عنوان مطالب. مقدمه کارهای قبلی در زمينه توسعه به فضای پيوسته روش پيشنهادی نتايج شبيه سازی

Download Presentation

مهدی افتخاری سراج الدين کاتبي

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


الگوريتم بهينه سازي اجتماع مورچگان بر مبناي گراديان براي فضاهای پيوسته (GCACO)Gradient based Continuous Ant Colony Optimization (GCACO)

مهدی افتخاری

سراج الدين کاتبي

[email protected]


عنوان مطالب

  • مقدمه

  • کارهای قبلی در زمينه توسعه به فضای پيوسته

  • روش پيشنهادی

  • نتايج شبيه سازی

  • نتيجه گيري و کارهای آينده

[email protected]


مقدمه

  • الگوريتم هاي ACOدر دسته الگوريتمهای جستجوی فوق اکتشافي

  • الهام از رفتارهای اجتماعی مورچه ها و موريانه های واقعی

  • کاربرد متداول آنها در مسائل بهينه سازی با فضای گسسته (TSP)

  • سيستم مورچه Ant System (AS) اولين الگوريتم بهينه سازي اجتماع مورچه( 1991 Dorigo)

  • پيشنهاد الگوريتمهاي سيستم اجتماع Ant Colony System (ACS) مورچه براي بهبود کارايي سيستم مورچه (DorigoوGambardella)

  • ACS مبنای ACO

[email protected]


عنوان مطالب

  • مقدمه

  • کارهای قبلی در زمينه توسعه به فضای پيوسته

  • روش پيشنهادی

  • نتايج شبيه سازی

  • نتيجه گيري و کارهای آينده

[email protected]


الگوريتم هاي بهينه سازي اجتماع مورچه ها برای فضای پيوسته (مرور کارهای انجام شده)

  • اولين بار توسط Bilchev (1995و1997)

  • Mathur et. al (2000)

  • Dréo, Siarry (2002)

  • Yan-jun, Tie-jun (2003)

  • عمليات جستجو دردوسطح سراسری و محلی

  • انتخاب ناحيه بهينهدرفضايي که به نواحي مختلف تقسيم شدهبا پروسه اي مانند الگوريتم هاي ژنتيک

  • جستجوی محلی معمولا بر اساس الگوريتمهای سيستم مورچهدر ناحيه بهينه

[email protected]


تعيين نواحی توسط

niched GA

جستجو با شعاع R

(مرور کارهای انجام شده) ادامه ...

[email protected]


عنوان مطالب

  • مقدمه

  • کارهای قبلی در زمينه توسعه به فضای پيوسته

  • روش پيشنهادی

  • نتايج شبيه سازی

  • نتيجه گيري و کارهای آينده

[email protected]


يا

شعاع اجتماع RC

Ra=Rc

Ra = Ra*dF

Nest

روش پيشنهادی

  • حرکت هر مورچه (تصادفی يا در جهت بردار نرمال شده گراديان)

  • حرکت هر مورچه در اجتماع از Nest با شعاع Ra که در ابتدا RCاست

  • کاهش Rc

  • بهترين نقطه بدست آمده توسط اجتماع فعلي به عنوان لانه بعدي

[email protected]


روش پيشنهادی (ادامه ...)

  • محا سبه مقادير مکاشفه ای و احتمال هرجهت

[email protected]


عنوان مطالب

  • مقدمه

  • کارهای قبلی در زمينه توسعه به فضای پيوسته

  • روش پيشنهادی

  • نتايج شبيه سازی

  • نتيجه گيري و کارهای آينده

[email protected]


نتايج شبيه سازی

[email protected]


نتايج شبيه سازی(ادامه ...)

[email protected]


نتايج شبيه سازی(ادامه ...)

[email protected]


نتايج شبيه سازی(ادامه ...)

[email protected]


عنوان مطالب

  • مقدمه

  • کارهای قبلی در زمينه توسعه به فضای پيوسته

  • روش پيشنهادی

  • نتايج شبيه سازی

  • نتيجه گيري و کارهای آينده

[email protected]


نتيجه گيري و کارهای آينده

  • بر اساس ساختار اصلی الگوريتم بهينه سازی اجتماع مورچه

  • نتايج بدست آمده با استفاده از مسائل محک نشان دهندة پيمايش يک مسير خوب تا رسيدن به بهينه سراسری

  • اين همگرايي مطلوب به علت برقراری يک تعادل مناسب بين جستجو و بهره برداری (Exploration and Exploitation )

  • محاسبات انجام شده در اين الگوريتم نسبت به ساير الگوريتم ها کمترو يا در حدودآنهاميباشد

[email protected]


کارهای آينده

  • تعميم به مسايل بهينه سازی با محدوديت

  • تعميم به مسايل بهينه سازی دارای چندين بهينه سراسری (Multi-Modal)

  • استفاده درمسايل بهينه سازی پويا (Dynamic optimization)

  • کار بيشتر بر روی تنوع (diversity)

  • استفاده موازی و توزيع شده

  • حل مسايل مهندسی دنيای واقعی

[email protected]


با تشکراز توجه شما

[email protected]


  • Login