Signal and Data Processing

fa الگوریتم فرا‌ابتکاری دسته والد-فرزند مبتنی بر حافظه و خوشه‌بندی جهت بهینه‌‌سازی پویا Clustering and Memory-based Parent-Child Swarm Meta-heuristic Algorithm for Dynamic Optimization مقالات پردازش داده‌های رقمی Paper پژوهشي Research <div style="text-align: justify;">تاکنون روشهای مختلفی برای بهینهسازی ارایه شده است و یکی از معروفترین روشهای بهینهسازی، الگوریتمهای هوشجمعی‌ هستند. بسیاری از مسائل بهینه‌سازی اخیر در دنیای واقعی طبیعت پویا دارند؛ بنابراین، الگوریتم بهینه‌سازی برای حل مسائل در محیط‌های پویا مورد نیاز است. الگوریتم دستۀ والد-فرزند مبتنی بر حافظه و خوشه‌بندی (CMPCS)، گونه‌ای از الگوریتم‌های هوشجمعی و برگرفته شده از طبیعت است، که در این مقاله ارایه شده است. این روش به رفتار فردی و گروهی وابسته است، در این الگوریتم برای افزایش کارآیی از یک حافظه با خوشه‌بندی و دافعه استفاده شده است. روش CMPCS پیشنهاد شده بر روی محک قله‌های متحرک (MPB) آزمایش شده است. MPB یک محک خوب برای ارزیابی کارایی الگوریتم‌های بهینه‌سازی در محیط‌های پویا است. نتایج تجربی در MPB نشان می‌دهد که روش پیشنهادی CMPCS کارایی مناسب‌تری نسبت به روش‌های دیگر حل مسائل بهینه‌سازی پویا دارد.</div> <div style="text-align: justify;">In the real world, we face some complex and important problems that should be optimized, most of the real-world problems are dynamic. Solving dynamic optimization problems are very difficult due to possible changes in the location of the optimal solution. In dynamic environments, we are faced challenges when the environment changes. To respond to these changes in the environment, any change can be considered as the input of a new optimization problem that should be solved from the beginning, which is not suitable because it is time consuming. One technique for improving optimization and learning in dynamic environments is by using information from the past. By using solutions from previous environments, it is often easier to find promising solutions in a new environment. A common way to maintain and exploit information from the past is the use of memory, where solutions are stored periodically and can be retrieved and refined at the time that the environment changes. Memory can help search respond quickly and efficiently to change in a dynamic problem. Given that a memory has a finite size, if one wishes to store new information in the memory, one of the existing entries must be discarded. The mechanism used to decide whether the candidate entry should be included in the memory or not, and if so, which of the old entries should be replaced it, is called the replacement strategy. This paper explores ways to improve memory for optimization and learning in dynamic environments. In this paper, a memory with clustering and new replacement strategy for storing and restoring memory solutions has been used to enhance memory performance. The evolutionary algorithms that have been presented so far have the problem of rebuilding populations when multiple populations converge to an optimum. For this reason, we proposed algorithm with exclution mechanism that have the ability to explore the environment (Exploration) and extraction (Explitation). Thus, an optimization algorithm is required to solve the problems in dynamic environments well. In this paper, a novel collective optimization algorithm, namely the Clustering and Memory-based Parent-Child Swarm Algorithm (CMPCS), is presented. This method relies on both individual and group behavior. The proposed CMPCS method has been tested on the moving peaks benchmark (MPB). The MPB is a good Benchmark to evaluate the efficiency of the optimization algorithms in dynamic environments. The experimental results on the MPB reveal the appropriate efficiency of the proposed CMPCS method compared to the other state-of-the-art methods in solving the dynamic optimization problems.</div> بهینه‌سازی پویا, محیط‌های پویا, حافظه, محک قله‌‌های متحرک Dynamic Optimization, Dynamic Environments, Memory, Moving Peaks Benchmark 127 146 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-279-8&slc_lang=fa&sid=1 mohsen moradi محسن مرادی Mohsen2145@yahoo.com 100319475328460010509 100319475328460010509 No Department of Computer Engineering Yasooj Branch, Islamic Azad University دانشگاه آزاد اسلامی، واحد یاسوج samad nejatian صمد نجاتیان samad.nej.2007@gmail.com 100319475328460010510 100319475328460010510 Yes Department of Electrical Engineering, Yasooj Branch, Islamic Azad University دانشگاه آزاد اسلامی، واحد یاسوج hamid parvin حمید پروین parvin@iust.ac.ir 100319475328460010511 100319475328460010511 No Department of Computer Engineering, Nourabad Mamasani Branch, Islamic Azad University دانشگاه آزاد اسلامی، واحد نورآباد ممسنی karamolla bagherifard کرم الله باقری فرد k.bagheri@iauyasooj.ac.ir 100319475328460010512 100319475328460010512 No Department of Computer Engineering Yasooj Branch, Islamic Azad University دانشگاه آزاد اسلامی، واحد یاسوج vahideh rezaei وحیده رضایی vahidehrezaie80@gmail.com 100319475328460010513 100319475328460010513 No Department of Mathematics, Yasooj Branch,Islamic Azad University دانشگاه آزاد اسلامی، واحد یاسوج