مجله مهندسی برق و الکترونیک ایران - جلد 22 شماره 2
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
دانشگاه شهید باهنر برق
چکیده: (133 مشاهده)
الگوریتم گرادیان سادهترین و پرکاربردترین روش در بهینه سازی و یادگیری ماشین می باشد. سرعت همگرایی این روش به شدت به انتخاب مقدار مناسب برای طول گام بستگی دارد. انتخاب طول گام بسیارکوچک می تواند باعث سرعت همگرایی کند شود. ازطرفی انتخاب طول گام بسیاربزرگ نیز ممکن است باعث واگرایی و نوسان حول نقطه بهینه گردد. معمولا طول گام را در مراحل اولیه بهینه سازی بزرگتر انتخاب کرده و با پیشرفتن گام‌های اجرا و نزدیکی به جواب بهینه، مقدار آن کاهش می یابد که تنظیم بهینه مقدار این پارامتر به صورت تجربی و با سعی وخطا برای هر مسئله ای باید انجام شود و زمان زیادی را می طلبد. ازطرفی در روشهای بهینه سازی مبتنی بر هوش جمعی، از جمله در الگوریتم بهینه سازی ازدحام ذرات (PSO) ، طول گامِ حرکت به صورت خودکار و در‌‌حین اجرای روش تنظیم می شود. همچنین در این روشها، پارامترهای اندکی نیاز به تنظیم دارند و محدوده ازپیش تعیین شده ای برای این منظور موجود است. در این مقاله با ترکیب دو روش PSO و گرادیان، یک روش بهینه سازی هوشمند مبتنی بر گرادیان ارائه شده است که نیازی به تنظیم طول گام ندارد. عملکرد الگوریتم گرادیان پیشنهادی برروی ده تابع محک مورد بررسی قرارگرفته و مشاهده می‌شود که الگوریتم پیشنهادی سرعت همگرایی بهتری نسبت به الگوریتم گرادیان کلاسیک در رسیدن به جواب بهینه دارد.
واژه‌های کلیدی: الگوریتم گرادیان نزولی، الگوریتم بهینه سازی ازدحام ذرات (PSO)، طول‌گام، جهت حرکت بهینه، هوشمندسازی
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
