Astaraki

آيا COA براي استفاده من مناسب است؟

در صورتيكه در حال انجام پروژه اي هستيد كه نياز به بهينه سازي پارامترها دارد
در صورتيكه مساله شما داراي پارامترهاي زيادي براي بهينه سازي مي باشد كه با روشهاي متداول بهينه سازي تكاملي نمي توان به جواب بهينه كلي رسيد
در صورتيكه قصد انجام يك تحقيق جديد و يا حتي پاياننامه جديد با موضوع بهينه سازي را داريد
و يا اگر بدنبال تضمين چاپ مقاله اي در مجله هاي معتبر مي باشيد

ما جديدترين و قويترين روش بهينه سازي تكاملي يعني الگوريتم بهينه سازي فاخته (COA) را به شما پيشنهاد مي كنيم.


براي دريافت مقاله اصلي الگوريتم بهينه سازي فاخته به اين لينك مراجعه نماييد!

منبع

__________________

تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران !
با بیش از صد و چهل هزار کاربر!

Astaraki

آيا COAبهترين است؟

اينكه ادعا كنيم يك الگوريتم بهينه سازي بهترين روش حل براي مسائل بهينه سازي است چندان صحيح نيست. چرا كه هر ساله الگوريتم هاي جديدتري با پوشاندن نقاط ضعف روشهاي قبلي پا به عرصه ظهور مي گذارند.
شايد زماني GAو بعد ها PSOدر نوع خود بهترين الگوريتم بهينه سازي محسوب مي شدند. گرچه هنوز هم مي توان شاهد استفاده از آنها در تعداد زيادي از مقالات بود. اين روشها چنان جاي خود را در مسائل بهينه سازي باز كرده اند كه به عنوان معيارهايي براي مقايسه عملكرد در روشهاي جديد مي باشند.


بعضي از اساتيد معتقدند كه هيچ دليلي وجود ندارد كه يك روش بهينه سازي تكاملي بهتر از ديگري باشد ! چون هر روش بدليل وجود تكامل (Evolution) بايد قادر به يافتن جواب بهينه باشد. نكته اي كه در اين بين وجود دارد اين است كه برخي از روشها همانند مدلهاي واقعي شان در طبيعت به كندي دچار تكامل مي شوند و معادلهاي برنامه نويسي شده آنها هم براي رسيدن به جواب بهينه بايد تعداد تكرار هاي اين الگوريتم ها را هم زياد در نظر گرفت. مثلا در تكامل ژنتيكي كه الهام از ژنهاي واقعي است تغيير و تكامل به كندي و در طول سالهاي زياد صورت مي گيرد. شايد اين دليلي باشد كه GAنياز به تعداد تكرارهاي بيشتري براي پيدا كردن جواب بهينه داشته باشد. در مقابل الگوريتم PSOبدليل الهام از گروه پرندگان كه براي تغذيه خود بسيار سريعتر عمل مي كنند، نسبت به GAدر حل مسايل نيز سريعتر عمل مي كند.
بهرحال دليل واقعي هرچه باشد، آنچه در عمل ديده مي شود اين است كه تعدادي از الگوريتم ها ذاتا سريعتر از بقيه عمل مي كنند و اين امر باعث تمايل بيشتر كاربران به استفاده از الگوريتمهاي بهينه سازي تكاملي سريعتر و دقيق تر مي شود.
اين مساله در مورد الگوريتم COAهم صادق است و در كاربردهاي تست شده تاكنون اين الگوريتم بسيار بهتر از بقيه الگوريتم ها عمل كرده است. اين امر مي تواند انگيزه خوبي براي استفاده از COAدر حل بسياري از مسايل با ابعاد بالا و بسيار پيچيده باشد.

براي دريافت مقاله اصلي الگوريتم بهينه سازي فاخته به اين لينك مراجعه نماييد

منبع

__________________

تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران !
با بیش از صد و چهل هزار کاربر!