وبلاگ

انتخاب PBEST و GBEST
Pbest بهترین موقعیتی است که هر ذره به آن دست یافته است، که این مشخصه را می­توان به صورت حافظه­ای برای هر ذره در نظر گرفت. معمولاً Pbest براساس تابع برازندگی ذرات تعیین می­شوند. البته معیارهای دیگری را می­توان برای تعیین بهترین موقعیت به کار برد و در عین حال قابلیت و کارایی جستجو کاهش نیابد. به عنوان مثال می­توان تابع برازندگی را طوری تعریف کرد که ذرات فقط موقعیت­های مربوط به جواب­های شدنی را به خاطر آورند و جواب­های نشدنی را در نظر نگیرند. Gbest بهترین موقعیتی است که ذرات موجود تاکنون به آن دست یافته­اند. برای انتخاب Gbest مقادیر برازندگی ذرات با یکدیگر مقایسه شده و بهترین به عنوان Gbest انتخاب می­ شود. ]۶[

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

ضرایب یادگیری
ضرایب یادگیری و نشان­دهنده وزن شتابی است که ذرات را به سوی Gbest و Pbest هدایت می­ کنند. این ضرایب بیانگر تمایل ذرات به الگوبرداری از رفتارهایی هستند که در گذشته باعث موفقیت شده ­اند. مقادیر و برابر با ۲ در نظر گرفته شده ­اند تا وزن یکسانی برای جستجوی محلی و جستجوی کلی، در نظر گرفته شده باشد.برای این ضرایب می­توان مقادیر ۰ و ۱ را نیز لحاظ نمود،اما چون مقدار ۰ یکی از پارامترهای جستجو را حذف می­ کند و مقدار ۱ سرعت همگرایی پایین­تری دارد،از مقدار ۲ در این تحقیق استفاده گردیده است. ]۶[
Initialization positions and velocities of swarm ;
Do { Evaluate F( ) ;
For I = 1 to Population Size :
Update Pbest
Update Gbest
For I = 1 to Population Size :
Update velocity ; //
Update Position ; //
} while ( stopping criterion is not met ) ;
شبه کد الگوریتم انبوه ذرات
نحوه­ پیاده­سازی الگوریتم انبوه ذرات
همانطور که در قسمت قبل نیز عنوان شد، برای حل این مساله خاص، نیاز به سفارشی­سازی این الگوریتم­است. از این رو در این الگوریتم از نحوه کدگذاری که در قسمت­ های قبل به تفصیل راجع به آن صحبت شد، استفاده شده است اما روند برخورد با این کدگذاری­ها دچار تفاوت ماهوی است که در ادامه توضیح داده خواهد شد.
برای آنکه بتوان بهترین عملکرد را از مجموعه متغیرهای مورد نظر انتظار داشت، ابتدا یکبار دیگر و مبتنی بر شکل روندنمای^[۵۱] ۲-۱۲ می­توان خلاصه­ای از آن ارائه داد:
روندنمای اجرای مراحل تحلیل
نمودار فوق به خوبی مشخص می­سازد که ابزار ارائه شده در این پژوهش قابلیت دارد تا با دریافت اطلاعات اولیه شامل حجم ترافیک، درصد حداقل و حداکثری استفاده از تقاطع­های غیرهمسطح و معادلات ترافیکی، نسبت به شناسایی بهترین عملکرد در بین انواع تقاطع­های غیرهمسطح اقدام نماید.
بدیهی است که کاربر می­بایست این اطلاعات را به نرم­افزار اعلام نماید. سپس با دریافت این اطلاعات و سایر داده ­های مورد نیاز از نرم­افزار خواسته می­ شود تا نسبت به یافتن بهینه­ترین تقاطع­ غیرهمسطح اقدام نماید و مشخص نماید که از کدامین نوع تقاطع­ غیرهمسطح باید استفاده­­­ نمود.
نحوه کدنویسی
به منظور اجرای الگوریتم­ معرفی شده در قسمت قبل نیاز است به تشریح شیوه برخورد با مسئله این تحقیق پرداخته شود. همانطور که قبلا نیز معرفی شد، هر سبد سهام در ادبیات الگوریتم ژنتیک به مثابه یک کروموزوم و در ادبیات حرکت دسته پرندگان (انبوه ذرات) به مثابه یک پرنده نگریسته می­ شود. در کدنویسی هر دو الگوریتم تعداد جمعیت (تعداد کروموزم­ها در الگوریتم ژنتیک و تعداد پرندگان در الگوریتم دسته حرکت پرندگان) برابر با ۱۰۰ در نظر گرفته شده ­اند و با npop مشخص گردیده­اند و تعداد تکرارهای این دو الگوریتم به صورت ثابت و برابر با ۱۰۰ تکرار در نظر گرفته شده ­اند؛ در سوی دیگر و در الگوریتم حرکت دسته پرندگان ، تعداد گروه ­های پرندگان برابر با ۱۰ در نظر گرفته شده است تا nlocals=10 باشد. برای هر یک از گروه­ ها، سر دسته­ای تعیین می­گردد که در تکرارهای متوالی، پرندگان می­بایست دائماً رفتار خود را ابتدا با رئیس این گروه تنظیم نمایند و رئیس گروه نیز حرکت خود را با بهترین پرنده هماهنگ خواهد نمود. ]۱۴[
این عمل بر مبنای بهترین پرنده رخ می­دهد که بتوان جهت­گیری کلی دسته­ها را بر مبنای رهبر هر یک از دسته‌ ها ایجاد نمود. در این حالت، می‌بایست بهترین پرنده را انتخاب نمود و برای هر یک از رهبران اقدام به جفت­گیری نمود. دراین حالت نیز دو مکان جدید برای هر رهبر بدست می‌آید که می­توان از بین آنها هیچ، یک یا دو مکان شدنی در اختیار داشت. در این شرایط است که اگر در بین جواب­های شدنی جواب بهتری نسبت به مکان فعلی پرنده رهبر دسته وجود داشته باشد، مکان پرنده به­روز شده و در غیر این صورت (و همچنین در صورت بروز جواب­های نشدنی) می­بایست رهبر فعلی را در نظر گرفت. این عمل برای هر یک از پرندگان رهبر (برترین پرندگان در هر دسته) رخ خواهد داد. ]۱۵[
متعاقب اجرای این عمل برای هر یک از مکان­های پرندگان، مکان­های حالت و مکان­های موازی­سازی نیز دچار جفت­گیری شده و تنها در مورد مکان­های حالت، شدنی بودن بررسی می­ شود.