بهبود الگوریتم جستجوی گرانشی (GSA) به کمک منطق فازی

کارایی روش‌های جستجو و بهینه‌سازی هوش جمعی، تمایل محققین را برای استفاده از آن‌ها در مسایل مختلف پیچیده مهندسی به صورت چشمگیری افزایش داده است. از جمله الگوریتم‌های مبتنی بر هوش جمعی، الگوریتم جستجوی گرانشی (gsa) است که با الهام از قوانین فیزیکی جاذبه گرانشی و حرکت نیوتنی، افراد جامعه را که در واقع جرم‌های تصادفی در فضا هستند را به جستجو در فضا وا می‌دارد. این مقاله به ارایه مدل جمعیتی جدیدی به نام gsa population fuzzy می‌پردازد که به اختصار آن را fpgsa می‌نامیم. روش پیشنهادی در واقع ترکیبی از دو کنترل‌کننده پارامتریک فازی و الگوریتم جستجوی گرانشی است که به جستجوی دقیق و منطقی فضا می‌پردازد. باید دانست در الگوریتم‌های هوش جمعی (و به تبع آن در روش gsa)، اندازه جمعیت عامل تاثیر‌گذاری بر پاسخ نهایی است به نحوی که با زیاد شدن این جمعیت پاسخ‌های بهتری حاصل شده و به تبع آن زمان اجرای الگوریتم طولانی‌تر می‌شود که برای رفع این مشکل پارامتری جدید به نام ضریب پراکندگی به الگوریتم افزوده‌ایم تا عملکرد بهتر سیستم را با کنترل این ضریب مورد ارزیابی قرار دهیم.