بررسی تحلیلی روش‌های بهینه‌سازی هوشمند مشاهده‌گر اغتشاش تطبیقی نروفازی برای شبیه‌ساز کنترل وضعیت ماهواره

در این مقاله اثر استفاده از الگوریتم‌های هوشمند مختلف برای بهینه‌سازی مشاهده گر اغتشاش تطبیقی نرو فازی موردبررسی قرارگرفته است. ابتدا یک کنترلگر تطبیقی مدل مرجع برای شبیه‌ساز زیرسیستم کنترل وضعیت ماهواره طراحی‌شده است. سپس برای تضعیف اثر اغتشاش از مشاهده‌گرهای اغتشاش تطبیقی نرو فازی استفاده‌شده است. در این مقاله سیستم فازی مربوطه با استفاده از الگوریتم‌های هوشمند ژنتیک، ازدحام ذرات، رقابت استعماری، زنبورعسل، مورچگان و به‌خصوص الگوریتم گرادیان ازدحام ذرات که موجب افزایش سرعت و بهینه‌تر شدن پاسخ می‌گردد، بهینه‌شده است. الگوریتم گرادیان ازدحام ذرات با ترکیب ایده هایی از یادگیری تقویتی گرادیان سیاست و روش ازدحام ذرات یک روش ترکیبی بهینه سازی برای کنترل یک سیستم پیچیده غیرخطی است که کاربردهای فراوانی در جهان واقعی دارد. در این روش با گرفتن ایده از روش‌های یادگیری تقویتی، گرادیان سیاست برای یک سیستم نرو فازی محاسبه می‌شود و در روابط بهینه‌سازی ازدحام ذرات وارد می‌گردد تا بهینه‌سازی علاوه بر فاکتورهای لحاظ شده در روش‌های ازدحامی در جهت گرادیان سیاست نیز انجام شود. برای بهینه سازی پارامترهای سیستم نرو فازی و داده‌های ورودی و خروجی در تابع هزینه در نظر گرفته‌شده است. در انتها نیز سیستم‌های نرو فازی بهینه‌شده توسط الگوریتم‌های مذکور با یکدیگر مقایسه می شوند و نشان داده می شود که الگوریتم گرادیان ازدحام ذرات نسبت به الگوریتم ازدحام ذرات عملکرد بهتری دارد.