view in publisher's site

An improved differential-based harmony search algorithm with linear dynamic domain

As a relatively new optimization algorithm, Harmony Search (HS) has been widely used to solve global optimization tasks in various fields due to its simplicity of operation and good performance. However, the basic HS has low fine-tuning ability, easy trapping into local optimum and premature convergence. To overcome the drawbacks and further enhance the precision of calculation results, an improved differential-based harmony search algorithm with linear dynamic domain (ID-HS-LDD) is proposed. In the ID-HS-LDD, two main innovative strategies are adopted: Firstly, inspired by one mutation in the Differential Evolution (DE) algorithm, an improved differential-based method is used as a new pitch adjuster. Secondly, for the search domain of optimal values, introducing a linear dynamic change model is considered. In addition, a parameter is also introduced to modify the new vectors generation formula for updating the harmony memory (HM) in the process of computation. A series of comparative experiments is carried out to verify the performance of the ID-HS-LDD using twenty-four typical benchmark functions. The experimental results show that, for most cases, the ID-HS-LDD has superior performance compared with other HS variants and advanced nature-inspired optimizations. Therefore, the proposed ID-HS-LDD is successfully implemented as a novel optimization method.

یک الگوریتم جستجوی هماهنگی مبتنی بر دیفرانسیلی با دامنه پویای خطی

به عنوان یک الگوریتم بهینه‌سازی نسبتا جدید، جستجوی هارمونی (HS)به طور گسترده برای حل مسایل بهینه‌سازی سراسری در زمینه‌های مختلف به دلیل سادگی عملیات و عملکرد خوب مورد استفاده قرار می‌گیرد. با این حال، این سرویس دهنده پایه دارای توانایی تنظیم پذیری پایین، به دام انداختن آسان در حالت بهینه محلی و زود هنگام است. برای غلبه بر اشکالات و افزایش بیشتر نتایج محاسبه، یک الگوریتم جستجوی سازگاری مبتنی بر تفاضلی با دامنه دینامیک خطی (ID - HS - LDD)پیشنهاد شده‌است. در وضعیت ID - HS - LDD، دو استراتژی اصلی اصلی اتخاذ می‌شوند: اول، از یک جهش در الگوریتم تکامل دیفرانسیلی (DE))، یک روش مبتنی بر تفاضلی بهبود یافته به عنوان یک روش جدید pitch استفاده می‌شود. دوم، برای حوزه جستجو مقادیر بهینه، معرفی یک مدل تغییر دینامیک خطی در نظر گرفته می‌شود. به علاوه، یک پارامتر برای اصلاح فرمول تولید بردارهای جدید برای به روز رسانی حافظه هماهنگی (HM)در فرآیند محاسبه، معرفی می‌شود. یک سری آزمایش‌ها مقایسه‌ای برای تایید عملکرد ID - HS - LDD با استفاده از چهار عملکرد معیار معمول انجام شده‌است. نتایج تجربی نشان می‌دهند که برای اغلب موارد، ID - HS - LDD در مقایسه با دیگر مدل‌های HS و optimizations پیشرفته دارای اولویت بالا عملکرد بهتری دارد. بنابراین، the - HS - LDD با موفقیت به عنوان یک روش بهینه‌سازی جدید پیاده‌سازی می‌شود.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.