دانلود ترجمه مقاله بررسی جامعی از الگوریتم بهینه سازی ازدحام ذرات و کاربردهای آن

1. مقدمه 2. بهینه سازی ازدحام ذرات: رویکرد PSO 3. مطالعات بر روی بهینه سازی ازدحام ذرات 4. کاربردهای PSO 5. نتیجه گیری

چکیده – بهینه سازی ازدحام ذرات (PSO)، یک روش بهینه سازی ابتکاری سراسری می باشد و نخستین بار توسط کندی و ابرهارت در سال 1995 ارائه گردیده است. بهینه سازی ازدحام ذرات، امروزه یکی از رایج ترین تکنیک های بهینه سازی می باشد. در این پژوهش، بررسی جامعی از PSO ارائه گردیده است. از یک طرف، ما در این مقاله، پیشرفت های به عمل آمده در PSO از قبیل تغییرات اعمال شده در آن (ازجمله PSO با رفتار کوانتومی، PSO اصولی ، PSO بی نظم و PSO فازی)، توپولوژی جمعیت ( به طور کامل متصل گردیده، فون نیومن، حلقوی، ستاره ای، تصادفی و غیره)، پیوند زنی (با الگوریتم ژنتیک، آنیلینگ شبیه سازی شده، جستجوی تابو، سیستم ایمنی مصنوعی، الگوریتم کلونی مورچه، کلونی مصنوعی زنبورعسل، تکامل دیفرانسیلی، جستجوی هارمونیک، بهینه سازی مبتنی بر بیوگرافی)، بسط (به چند هدفه، محدود، گسسته و بهینه سازی دوتایی)، تحلیل های نظری (انتحاب پارامتر و تنظیم آن و تحلیل های همگرایی)، پیاده سازی موازی (در چند هسته ای، چند پردازنده ای، GPU، به شکل رایانش ابری) را ارائه داده ایم. از طرف دیگر، یک بررسی درمورد کاربردهای PSO در زمینه های زیر ارائه کرده ایم: مهندسی برق و الکترونیک، سیستم های کنترل خودکار، نظریه ارتباطات، تحقیقات عملیاتی، مهندسی مکانیک، سوخت و انرژی، پزشکی، شیمی و زیست شناسی. امیدواریم این تحقیق، برای محققان الگوریتم PSO مفید واقع گردد.

Particle swarmoptimization (PSO) is a heuristic global optimization method, proposed originally byKennedy and Eberhart in 1995. It is now one of themost commonly used optimization techniques. This survey presented a comprehensive investigation of PSO. On one hand, we provided advances with PSO, including its modifications (including quantum-behaved PSO, bare-bones PSO, chaotic PSO, and fuzzy PSO), population topology (as fully connected, von Neumann, ring, star, random, etc.), hybridization (with genetic algorithm, simulated annealing, Tabu search, artificial immune system, ant colony algorithm, artificial bee colony, differential evolution, harmonic search, and biogeography-based optimization), extensions (tomultiobjective, constrained, discrete, and binary optimization), theoretical analysis (parameter selection and tuning, and convergence analysis), and parallel implementation (in multicore, multiprocessor, GPU, and cloud computing forms). On the other hand, we offered a survey on applications of PSO to the following eight fields: electrical and electronic engineering, automation control systems, communication theory, operations research,mechanical engineering, fuel and energy, medicine, chemistry, and biology. It is hoped that this survey would be beneficial for the researchers studying PSOalgorithms.