ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
A novel dynamic particle swarm optimization algorithm based on chaotic mutation (DCPSO) is proposed to solve the problem of the premature and low precision of the common PSO. Combined with linear decreasing inertia weight, a kind of convergence factor is proposed based on the variance of the population’s fitness in order to adjust ability of the local search and global search; The chaotic mutation operator is introduced to enhance the performance of the local search ability and to improve the search precision of the new algorithm. The experimental results show finally that the new algorithm is not only of greater advantage of convergence precision, but also of much faster convergent speed than those of common PSO (CPSO) and linear inertia weight PSO (LPSO).
یک الگوریتم جدید بهینه سازی ازدحام ذرات دینامیک مبتنی بر تغییر های سریع آشوبی ( DCPSO) پیشنهاد شده است که برای حل مسائل PSO های رایج با دقت پایین و پیش رس است. با ترکیب با وزن اینرسی کاهشی ، یک نوع عامل همگرائی پیشنهاد میشود که مبتنی بر واریانس تناسب جمعیت میباشد و به منظور تنظیم توانایی جستوجوی محلی و سراسری است ؛ عملگر تغییر سریع آشوبی برای بهبود عملکرد توانایی جستوجوی سریع و بهبود دقت جستوجو الگوریتم جدید معرفی شده است. در نهایت نتایج آزمایشی نشان میدهد که الگوریتم جدید نه تنها در دقت همگرائی عملکرد بهتری دارد ، بلکه سرعت همگرائی در آن نسبت به PSO های رایج ( CPSO ) و وزن اینرسی خطی PSO ( LPSO ) سریع تر است.