بهینه سازی ماشین بردار پشتیبان با الگوریتم بهینه سازی تجمعی ذرات

لینک دانلود

بهينه ‏سازي تجمعي ذرات ، يک تکنيک بهينه‏سازي مبتني برجمعيت است که از حرکت و رفتار اجتماعي گروهي پرندگان و ماهي‏ها ، هنگامي که دنبال غذا مي‏گردند الهام گرفته شده است. اولين بار جميز کندي و راسل سي ابرهارت در سال 1995 روش بهينه‏سازي ازدحام ذرات را ارائه دادند .در الگوريتم بهينه‏سازي تجمعي ذرات، اعضاي جمعيت جواب‏ها، به صورت مستقيم با هم ارتباط دارند و از طريق تبادل اطلاعات، به حل مسئله مي‏رسند. الگوريتم بهينه‏سازي ازدحام ذرات براي انواع مسائل پيوسته و گسسته مناسب مي باشد و پاسخ‏هاي بسيار مناسبي براي مسائل بهينه‏سازي مختلف بدست مي آورد و همچنين در مسائل بهينه‏سازي پارامترهاي سيستم‏هاي هوشمند، نظير آموزش وزن‏هاي شبکه‏هاي عصبي و پارامترهاي سيستم‏هاي فازي مورد استفاده قرار گرفته است. اين استفاده از الگوريتم بهينه سازي تجمعي ذرات به کاربرد اين پايان نامه بسيار نزديک مي باشد و پارامترهاي ماشين بردار پشتيبان هم توسط اين الگوريتم بهينه مي شوند.
هر عضو از جمعيت يا راه حل که ذره نام دارد با يک موقعيت و سرعت اوليه در فضاي جستجوي مسئله براي جستجوي راه حل بهينه پرواز و حرکت مي‏نمايد.در الگوريتم بهينه‏سازي تجمعي ذرات هر ذره ، از حافظه‏اي جهت ذخيره‏سازي بهترين موقعيت مکاني که درحين فرآيند جستجو و حرکت در فضاي جستجو به آن رسيده است، برخوردار مي باشد و به عنوان بهترين تجربه شخصي خود ، آن را به خاطر مي‏سپارد. هر ذره ، اين اطلاعات را براي ديگر ذرات موجود ارسال مي‏نمايد و همچنين آن‏ها نيز مي‏توانند مشاهده نمايند که ديگر ذرات موجود در همسايگي در کجا بهترين موفقيت را داشته‏اند و بدين صورت از بهترين موقعيت در همسايگي خود يا در کل فضاي راه حل‏ها به عنوان بهترين تجربه ي گروهي آگاهي مي يابند. ذرات جمعيت ، در حين فرايند ، با انتقال و تبادل اطلاعات خود به يکديگر و با تنظيم و بهنگام‏سازي سرعت و موقعيت‏هاي خود، در فضاي جستجو حرکت مي‏نمايند. به عبارتي الگوريتم بهينه‏سازي تجمعي ذرات، روش جستجوي محلي را ازطريق تجربه خود ذره با روش‏هاي جستجوي سراسري از طريق تجربه همسايگان ذره ترکيب مي‏نمايد.
هريک از ذرات جمعيت سعي مي‏کنند به سمتي حرکت نمايندکه بهترين تجربه‏هاي شخصي و گروهي در آن نقاط روي داده است.سپس اين ذرات در فضاي جستجو حرکت مي‏نمايند، و نتايج حاصله برمبناي يک معيار شايستگي براساس تابع هدف پس از هر بازه زماني محاسبه مي‏گردد.يک فرايند تکراري با ارزيابي معيار شايستگي ذرات براي بهبود کانديداها به عنوان بهترين تجربه گروهي در طي حرکت ذرات در نظر گرفته شده و با گذشت زمان، ذرات به سمت بهترين تجربه گروهي که داراي معيار شايستگي بالاتري هست، شتاب مي‏گيرند و با تاثير پذيري از بهترين ذره جمعيت ، سرانجام به آن نزديک مي‏شوند.

الگوریتم بهینه سازی تجمعی ذرات Particle Swarm Optimization PSO Algorithm
کد متلب آماده اجرا

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *