TY - JOUR JF - jsdp JO - JSDP VL - 16 IS - 4 PY - 2020 Y1 - 2020/3/01 TI - Optimization in Uncertain and Complex Dynamic Environments with Evolutionary Methods TT - بهینه‌سازی در محیط‌های غیرقطعی و پیچیده پویا با روش‌های تکاملی N2 - در دنیای واقعی بسیاری از مسائل بهینه‌­سازی، پویا، غیرقطعی و پیچیده هستند که در آن تابع هدف یا محدودیت‌­ها می‌­توانند در طول زمان تغییر یابند و در‌نتیجه، بهینه این مسائل نیز می‌­تواند تغییر کند؛ از‌این‌رو الگوریتم‌­های بهینه‌­سازی نه‌تنها باید مقدار بهینه سراسری را در فضای جستجو پیدا، بلکه باید مسیر تغییرات بهینه را در محیط پویا دنبال کنند. در این مقاله برای دست‌یابی به این توانایی الگوریتم جدیدی بر مبنای الگوریتم بهینه­‌سازی ذرات به نام الگوریتم بهینه­‌سازی ذرات افزایشی کاهشی، پیشنهاد شده است. این الگوریتم همواره در روند بهینه­‌سازی به‌طور انطباقی با کاهش یا افزایش تعداد ذرات الگوریتم، توانایی یافتن و دنبال‌کردن تعداد بهینه متغیر با زمان را در محیط‌­هایی که تغییرات آن قابل آشکارسازی نیست، دارد؛ علاوه‌بر‌این تعریف جدیدی به نام ناحیه جستجو متمرکز با هدف برجسته‌کردن فضاهای امیدبخش برای سرعت بخشیدن به فرآیند جستجوی محلی و جلوگیری از همگرایی زودرس تعریف شده است. نتایج حاصل از الگوریتم پیشنهادی بر روی معیار قله­‌های متحرک ارزیابی و با نتایج چندین الگوریتم معتبر مقایسه شده است. نتایج نشان‌دهنده تأثیر مثبت سازوکار کاهش/افزایش ذرات بر زمان یافتن و دنبال‌کردن چندین بهینه در مقایسه با سایر الگوریتم‌های بهینه­‌سازی مبتنی بر چند جمعیتی است. SP - 27 EP - 44 AU - Ejabati, Seyyed Masoud AU - Zahiri, Seyed Hamid AD - University of birjand KW - Increase decrease particle KW - Dynamic optimization problems (DOPs) KW - Multi-population approach KW - Particle swarm optimization UR - http://jsdp.rcisp.ac.ir/article-1-812-fa.html DO - 10.29252/jsdp.16.4.27 ER -