تغییر الگوریتم بهینه سازی فاخته جهت استفاده در محیط های پویا- قسمت ۴۲

۷۱۶۲/۰
(۱۸۱۱/۰)

۰۹۸۳/۱
(۰۷۷۲/۰)

۸۴۳۲/۰
(۲۰۳۹/۰)

۱۵۵۲/۱
(۱۳۷۷/۰)

۹۶۵۸/۰
(۱۰۶۸/۰)

۶۹۱۳/۰
(۱۰۱۷/۰)

۳۹۲۰/۰
(۷۳/۱۱)

۰۰۵۱/۰
۰۰۲۲/۰

MMCOA

در تحلیل جدول ۵-۳ ملاحظه میشود که الگوریتم پیشنهادی در فرکانسهای ۵۰۰، ۱۰۰۰، ۲۵۰۰ با تعداد قلههای مختلف آورده شده در جدول، بهتر از سایر الگوریتمهای مورد مقایسه عمل کرده است. ولی در فرکانس تغییرات ۱۰۰۰۰و در قلههای ۵، ۱۰، ۲۰، ۳۰ و ۱۰۰ الگوریتم پیشنهادی ضعیف عمل کرده و نتوانسته کارآیی بهتری از الگوریتم FTMPSO ارائه کند. در حالت کلی کارآیی الگوریتمها با پایین آمدن فرکانس تغییرات، بدتر میشود. دلیل این افت کیفیت، کاهش فرصت الگوریتمها بین دو تغییر محیطی است. در واقع در این حالت الگوریتمها فرصت کمتری برای یافتن موقعیتهای بهتر دارند.
همچنین کارآیی الگوریتمها در محیطهایی با تعداد قلههای کمتر بهتر بوده ولی با افزایش تعداد
قلهها، کارآیی در بیشتر موارد کاهش مییابد. با این وجود کارآیی الگوریتم پیشنهادی با افزایش تعداد قلهها، از افت کمتری نسبت به اکثر الگوریتمها برخوردار است که دلیل این امر بهرهگیری از مکانیزم فعالسازی است. در الگوریتمهای دیگر، با بالا رفتن تعداد دستهها، تعداد ارزیابی شایستگی بیشتری انجام میشود، بنابراین به نوعی دستهها فرصت کمتری برای بهبود موقعیت خود دارند. این در حالی است که در الگوریتم پیشنهادی، هر چقدر هم که تعداد دستهها زیاد باشد (با توجه به زیاد بودن تعداد قلهها)، از آنجایی که تنها ۲ دستهی همگرا شده و یک دستهی آزاد فعال هستند، فرصت مناسب در اختیار ۲ دستهی بهتر برای بهبود کارآیی الگوریتم و نیز فرصت بیشتری برای دستهی آزاد جهت یافتن قلههای جدید وجود دارد.
نکتهی قابل ذکر دیگری که در مورد نتایج وجود دارد این است که با افزایش تعداد قلهها به ۱۰۰ و ۲۰۰، در برخی موارد کارآیی الگوریتمها بر خلاف تصور بهبود مییابد. دلیل اتفاق افتادن این امر این است که فاصلهی بین ارتفاع قلهها در این شرایط کاهش یافته و بدین ترتیب میزان خطا نیز کاهش خواهد یافت.
از طرف دیگر در برخی موارد کیفیت نتایج خارج از انتظار به نظر میرسد. به طور مثال با افزایش تعداد قلهها از ۲۰ به ۳۰ کارآیی الگوریتم بهبود مییابد. همچنین گاهی با افزایش فرکانس تغییرات، کارآیی الگوریتم بهبود (قابل توجه) پیدا نمیکند. برای بدست آوردن دلیل این امر، آزمایشات بسیاری انجام شده که در آنها رفتار دستهها مورد بررسی کامل و دقیق قرار گرفتهاند. نتیجه ای که بدست آمد
بدین شرح است: با توجه به تصادفی بودن موقعیت قلهها در هر بار اجرا، در برخی موارد این مسئله پیش میآید که بعضی از قلهها (مخصوصا بهترین قله) در ابتدای اجرای الگوریتم بر روی مرزهای فضای جستجو قرار گرفته و همین امر موجب شده که این قلهها دیرتر مورد شناسایی و نظارت توسط دستهها قرار گیرند. در نتیجه کارآیی الگوریتم در این موارد کاهش مییابد. با توجه به این موضوع، مقدار متوسط بدست آمده در ۵۰ بار اجرای الگوریتمها میتواند دچار افزایش مقدار و در نتیجه کاهش کیفیت کارآیی گردد. بنابراین در صورتیکه این شرایط به طور تصادفی در ۵۰ بار اجرای یک الگوریتم بیشتر پیش بیاید، مقدار متوسط کارآیی آن دچار افت خواهد شد.
جدول ۵-۴ نیز به بررسی و مقایسهی نتایج همانند جدول ۵-۳ میپردازد. با این تفاوت که در اینجا نتایج با فرکانس تغییرات استاندارد ۵۰۰۰ حاصل گردیده که در تعداد قلههای ۱، ۵، ۵۰، ۱۰۰ و ۲۰۰ کارآیی الگوریتم پیشنهادی بهتر از سایر الگوریتمهای مورد مقایسه میباشد. در بقیهی قلهها الگوریتم FTMPSO بهتر عمل کرده است.
جدول ۵-۴: مقایسهی خطای برونخطى (خطای استاندارد) الگوریتمها بر روی MPB با f=5000، S=1 و تعداد قلههای مختلف

دانلود متن کامل پایان نامه در سایت jemo.ir موجود است

NUMBER OF PEAKS ALG.
۲۰۰