بهینه سازی ماشین بردار پشتیبان با الگوریتم تکامل تفاضلی

توضیحات

الگوريتم تكامل تفاضلي نخستين بار در سال 1995توسط استورن و پرايس معرفي شد . اين الگوريتم در نخستين مسابقه بهينه سازي IEEE مقام اول را كسب كرد. استورن و پرايس در كار بعدي خود با استفاده از توابع محك بسيار متنوعي عملكرد الگوريتم خود را با تعدادي از مشهورترين روشهاي بهينه سازي مقايسه كردند. نتايج آزمايش هاي آنها نشان دهنده ي برتري الگوريتم تکامل تفاضلي بود. از آن زمان تاكنون، اين الگوريتم موضوع بسياري از مقالات علمي در ادبيات الگوريتم هاي تكاملي بوده است. به عنوان مثال، برگي و ديگران با كنترل فشار انتخاب الگوريتم تکامل تفاضلي را از نظر سرعت همگرايي بهبود دادند.
آزمايش هاي آن ها بر روي توابع دييانگ نشان دهنده ي برتري روش آنها در برابر دو نسخه معروف الگوريتم تکامل تفاضلي يعني DE/rand/1/bin و DE/best/2/bin بود. سلمان و همکاران با استفاده از استراتژي خود تطبيقي الگوريتم تکامل تفاضلي را از نظر دقت همگرايي بهبود دادند.
کيان و ديگران ضمن تطبيق پارامتر جهش در هر نسل، از روش رتبه بندي مبتني بر پرتو و مرتب سازي تفاوت ازدحام براي انتخاب بازماندگان استفاده كردند.
گانگ و ديگران براي افزايش سرعت همگرايي الگوريتم تکامل تفاضلي از مدل طراحي متعامد و استراتژي خودتطبيقي استفاده كردند. تورديك آزمايشهايي را بر روي مدلهاي تطبيقي نسخه هاي مختلف الگوريتم تکامل تفاضلي انجام داد. او با استفاده از سه تابع محك، خصوصيات اين الگوريتم ها را با ساير الگوريتم هاي بهينه سازي مقايسه كرد. همچنين، زاهاريه اثر عملگرهاي مختلف بازتركيبي را بررفتار الگوريتم تکامل تفاضلي مورد بررسي قرار داد.
مهمترين ويژگي هاي الگوريتم تکامل تفاضلي سرعت بالا، سادگي و قدرتمند بودن آن است. اين روش تنها با تنظيم سه پارامتر شروع به كار ميكند. پارامتر CR (احتمال انجام بازتركيب)، پارامتر NP (اندازه جمعيت) و پارامتر F (وزن جهش) است كه در تفاضل دو بردار ضرب مي شود و به بردار سوم اضافه مي شود. به گفته استورن و پرايس، پارامتر F معمولا بين 0 تا 2 تنظيم مي شود. اين الگوريتم، ابتدا جمعيتي به اندازه NP با مقادير تصادفي در محدوده مقادير مسئله مربوطه ايجاد مي كند.

اگر قصد دارید از الگوریتم تکامل تفاضلی در پروژه خود استفاده کنید، یا میخواهید ماشین بردار پشتیبان را بهینه کنید ، این پروژه برای شما مناسب می باشد.