الگوریتم بهینه سازی ترکیبی با استفاده از الگوریتم ژنتیک و جستجوی ابرکروی مبتنی بر نظریه آشوب

دراین مقاله، یک الگوریتم بهینه سازی با استفاده از ترکیب الگوریتم ژنتیک و جستجوی ابرکروی مبتنی بر نظریه آشوب ارائه می شود که در آن به منظور افزایش کارایی در جستجوی جواب بهینه علاوه بر نظریه آشوب از عملگرهای ژنتیکی نیز استفاده شده است. این امر نه تنها منجر به قطعی بودن نتایج و کاهش انحراف معیار می شود، بلکه ضعف الگوریتم بهینه سازی جستجوی ابرکروی مبتنی بر نظریه آشوب یعنی سرعت همگرایی و عملکرد ضعیف در برخی از توابع محک را برطرف می نماید. نتایج حاصل از آزمایشات بیانگر همگرایی سریعتر و دقت بیشتر الگوریتم پیشنهادی در یافتن جواب بهینه نسبت به الگوریتم جستجوی ابرکروی استاندارد، الگوریتم جستجوی ابرکروی مبتنی بر نظریه آشوب و همچنین الگوریتم های بهینه سازی دیگر نظیر ژنتیک، ازدحام ذرات و جستجوی هارمونی است.

A Hybrid Optimization Algorithm Based on Genetic Algorithm and Hyper Spherical Search Based on Chaos Theory

A hybrid optimization algorithm based on genetic algorithm and choatic hyper spherical search method is proposed. In the proposed method, in order to increase the efficiency of searching the optimal solution, chaos theory along with genetic operators have been used. This, not only makes the results of the proposed algorithm definite and decreases their standard deviation, but also resolves the weakness of the hyper spherical search optimization algorithm based on chaos theory including the speed of convergence and the weak performance in some benchmark functions. The simulation results on the standard benchmark functions show that the proposed algorithm not only has faster convergence, but also acts as a more accurate search algorithm to find the optimal solution in comparison to the standard hyper spherical search algorithm, chaotic hyper sherical search algorithm, and some other optimization algorithms such as genetic, particle swarm, and harmony search algorithm.