文章基本信息

标题：طراحی الگوريتم بهينه‌سازی چندهدفه به کمک الگوريتم جغرافيای زيستی و الگوريتم تکاملی تفاضلی
其他标题：Multi Objective Optimization Using Biogeography Based Optimization and Differentional Evolution Algorithm
作者：Samira Abdi ; Mohammad Teshnehlab ; Mahdi Aliyari Shouredeli 等
期刊名称：Intelligent Systems in Electrical Engineering
印刷版ISSN：2251-6530
电子版ISSN：2252-083X
出版年度：2012
卷号：3
期号：3
页码：11-24
语种：Persian
摘要：بهينه‌سازی بر پايه‌ جغرافيای زيستی، الگوريتم تکاملی جديدی بر اساس جمعيت است که رياضيات جغرافيای زيستی، بر آن حاکم است و الگوريتم تکامل ‌تفاضلی، الگوريتمی قدرتمند برای حل بسياری از مسائل بهينه‌سازی است. الگوريتم تکامل ‌تفاضلی در اکتشاف فضای جستجو و تعيين مکان مينيمم سراسری خوب، ولی در استخراج راه‌حل مسأله کند است. در اين مقاله قابليت اکتشاف الگوريتم تکامل ‌تفاضلی با قابليت استخراج الگوريتم بهينه‌سازی بر پايه‌ جغرافيای زيستی، ادغام شده و با معرفی يک عملگر مهاجرت ترکيبی، الگوريتم جديدی برای حل مسائل بهينه‌سازی چندهدفه ارائه شده است. در الگوريتم پيشنهادی از فرايند مرتب‌سازی غيرمغلوب برای بهبود همگرايی و از مفهوم فاصله جمعيتی محلی برای حفظ پراکندگی اعضای موجود در مجموعه پرتو استفاده شده است. در اين مقاله کارايی الگوريتم پيشنهادی با استفاده از چند تابع آزمون رايج آزمايش شده و معيارهای مطرح در مسائل بهينه‌سازی چندهدفه تکاملی، ارزيابی و با الگوريتم‌های مطرح در اين زمينه مقايسه شده است. نتايج حاصل بيانگر کارايی مطلوب الگوريتم پيشنهادی در رقابت با ساير الگوريتم‌های مطرح است.
其他摘要：Biogeography-Based Optimization (BBO) which is a new population based evolutionary optimization method inspired by biogeography and Differential Evolution (DE) is a fast and robust evolutionary algorithm for optimization problems. DE algorithm is good at the exploration of the search space and finds global minimum but is not good in exploitation of solutions. In this paper, we combine the exploration of DE with the exploitation of BBO to solve multi-objective problems by introducing a hybrid migration operator effectively. The proposed algorithm (MOBBO/DE) makes the use of nondominated sorting approach improve the convergence ability efficiently and hence it can generate the promising candidate solutions. It also combines crowding distance to guarantee the diversity of Pareto optimal solutions. The proposed approach is validated using several test functions and some metrics taken from the standard literature on evolutionary multi-objective optimization. Results indicate that the approach is highly competitive and that can be considered a viable alternative to solve multi-objective optimization problems.
关键词：الگوریتم جغرافياي زيست - محيطي; الگوريتم تکامل ‌تفاضلي; بهينه‌سازي چندهدفه; مرتب‌سازي غیرمغلوب.
其他关键词：Biogeography Based Optimization Algorithm; Differential Evolutionary algorithm; Multi Objective Optimization; Non domination Sort; Crowding Distance.