Video Flim Dizi Hayvanlar Teknoloji

Partikül sürüsü optimizasyonu, doğadan ilham alan popüler bir meta-sezgisel algoritmadır ve son yirmi yılda tek ve çok amaçlı optimizasyon problemlerini çözmek için yaygın olarak kullanılmaktadır. Yıllar boyunca performansını artırmak için parçacık sürü optimizasyonuna çeşitli yerel ve küresel arama stratejileri ile öğrenme ve parametre uyarlama stratejileri dahil edilmiştir. Bu yaklaşımların çoğunun, kullanıcı tanımlı parametrelerin ve algoritmik adımların sayısını arttırdığı ve algoritmanın karmaşıklığının artmasına neden olduğu görülmektedir. Bu makale, sömürü (yönlendirmeli) ve keşif (rastgele) hareketlerinin, gerçek kodlanmış elitist baskın olmayan sıralama genetik algoritmasında bulunan benzer mevcut operatörlerin ayrıntılı bir nitel analizi kullanılarak basitleştirildiği basitleştirilmiş çok amaçlı bir parçacık sürüsü optimizasyon algoritmasını sunar. parçacık sürü optimizasyonu algoritması. Geliştirilen algoritma daha sonra 30 iyi bilinen kıyaslama problemi üzerinde kantitatif olarak test edilir ve gerçek kodlu elitist baskın olmayan bir sıralama genetik algoritması ile karşılaştırılır ve bunun simülasyonu bir ikili atlama gen operatörü ve çok amaçlı baskın olmayan sıralama parçacık sürü optimizasyonu ile karşılaştırılır algoritması. Karşılaştırmada, geliştirilen algoritmanın yakınsama hızı açısından üstün olduğu bulunmuştur. Ayrıca, genişletilmiş bir karşılaştırmalı analizde son dört çok amaçlı parçacık sürüsü optimizasyon algoritması ve dört diferansiyel evrim varyantı açısından daha iyi olduğu bulunmuştur. Son olarak, diğer formüle edilmiş algoritmalardan daha iyi bir performans sergilediği, yeni formüle edilmiş endüstriyel bir çok amaçlı optimizasyon problemine (ham damıtma ünitesinden alınan alt ürün) sıvı katalitik kraking ünitesine uygulanır.