1 / 24

Free Powerpoint Templates

بهینه سازی مبتنی بر جغرافیای زیستی Biogeography-Based Optimization سپیده ضیایی دیماه 90. Free Powerpoint Templates. فهرست. جغرافیای زیستی بهینه سازی مبتنی بر جغرافیای زیستی تعریف BBO و الگوریتم آن اجرای BBO بر چند تابع محک مقایسه نتیجه با دیگر روش‌ها. جغرافیای زیستی Biogeography.

nay
Télécharger la présentation

Free Powerpoint Templates

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. بهینه سازی مبتنی بر جغرافیای زیستی Biogeography-Based Optimization سپیده ضیایی دیماه 90 Free Powerpoint Templates

  2. فهرست جغرافیای زیستی بهینه سازی مبتنی بر جغرافیای زیستی تعریف BBO و الگوریتم آن اجرای BBO بر چند تابع محک مقایسه نتیجه با دیگر روش‌ها

  3. جغرافیای زیستیBiogeography مطالعه پراکندگی جغرافیایی موجودات زنده

  4. جغرافیای زیستیBiogeography (ادامه) مهاجرت گونه‌های جانداران بین مناطق زیستی، توسط جریان آب، باد، پرواز و ...

  5. جغرافیای زیستیBiogeography (ادامه) شاخص شایستگی زیستگاه (HIS) Habitat Suitability Index متغیرهای شاخص شایستگی (SIV) Suitability Index Variables میزان بارندگی، تنوع گونه‌های گیاهی،دما و ...

  6. جغرافیای زیستیBiogeography (ادامه) • با افزایش شایستگی زیستگاه : • افزایش تعداد گونه‌ها • افزایش کوچ از زیستگاه • Emigration • کاهش مهاجرت به زیستگاه • Immigration

  7. جغرافیای زیستیBiogeography (ادامه)  : نرخ مهاجرت پذیری  : نرخ کوچ از زیستگاه هردو توابعی از تعداد گونه‌ها I : بیشترین نرخ مهاجرت‌پذیری ممکن E : بیشترین نرخ کوچ ممکن Smax : بیشترین تعداد گونه‌ی ممکن در زیستگاه S0 : نقطه‌ی تعادل

  8. جغرافیای زیستیBiogeography (ادامه) Ps : احتمال وجود دقیقا S گونه در زیستگاه شرایط تغییر PS از زمانی تا زمان دیگر: تعداد گونه‌ها S باشد و نه مهاجرتی به زیستگاه و نه از آن صورت بگیرد. تعداد گونه‌ها S-1باشد و مهاجرت یک نوع به زیستگاه اتفاق بیفتد. تعداد گونه‌ها S+1 باشد و کوچ یک گونه، از زیستگاه ضورت بپذیرد.

  9. جغرافیای زیستیBiogeography (ادامه)

  10. بهینه‌سازی مبتنی بر جغرافیای زیستی Biogeography-Based Optimization BBO هر راه‌حل یک بردار از اعداد صحیح هر عدد صحیح SIV میزان شایستگی HIS مهاجرت (Migration) جهش (Mutation)

  11. بهینه‌سازی مبتنی بر جغرافیای زیستی BBO (ادامه) • مهاجرت (Migration) : MODIFICATION • استفاده از  و  برای احتمال تبادل اطلاعات بین راه‌حل‌ها •  Pmod احتمال تغییر یک راه‌حل •  احتمال تغییر یکSIV در راه‌حل •  انتخاب از میان دیگر راه‌حل ‌ها برای تغییر این راه‌حل

  12. بهینه‌سازی مبتنی بر جغرافیای زیستی BBO (ادامه) جهش (Mutation) : تغییر در HSI با تغییرات ناگهانی در محیط ( بلایای طبیعی ، هجوم یک گونه...) استفاده از n ( تعداد گونه‌های موجود) برای احتمال جهش تمایل زیستگاه‌های بسیار خوب و بسیار بد به جهش و تغییر

  13. تعریف BBO و الگوریتم آن الگوریتم modification Select Hi with probability ~ i If Hi is selected For j=1 to n select Hj with probability ~ I If Hj is selected random select an SIV  from Hj replace a random SIV in Hi with  end end end

  14. تعریف BBO و الگوریتم آن الگوریتم Mutation For j=1 to m use i and i to compute the probability Pi select SIV Hi (j) with probability ~ Pi If Hi (j) is selected replace Hi (j) with a random generated SIV end end

  15. تعریف BBO و الگوریتم آن تعریف 1 : H یک بردار از m عدد صحیح = یک راه‌حل مجاز تعریف 2 : SIVC یک عدد صحیح مجاز در بردار تعریف 3 : HIS : H R تابع برازندگی تعریف 4 : Hn یک اکوسیستم، مجموعه‌ای از n زیستگاه تعریف 5 : (HIS): R R تابع غیر صعودی از HIS i متناسب با تمایل مهاجرت SIVهای همجوار به Hi

  16. تعریف BBO و الگوریتم آن(ادامه) تعریف 6 : (HIS): R R تابع غیرنزولی از HSI i متناسب با تمایل مهاجرت SIVهای Hi به زیستگاه‌های همجوار تعریف 7 : ( ,): Hn  Hعملگر تغییر زیستگاه با توجه به کل اکوسیستم تعریف 8 : M( ,): H Hعملگر جهش

  17. تعریف BBO و الگوریتم آن(ادامه) تعریف 9 : (m,n,  ,, ,M) : Hn  H تابع انتقال اکوسیستم = n o n o n o HISn o Mn o HSIn تعریف 10 : BBO= ( ,  ,T)الگوریتمBBO که راه‌حلی برای مسئله پیدا می‌کند  : 0  {Hn ,HSIn } مقداردهی اولیه به اکوسیستم T : Hn  {true,false} تابع حالت پایانی  while not T  end

  18. تعریف BBO و الگوریتم آن(ادامه) مقداردهی اولیه پارامترها ( نگاشت مسئله به BBO) مقداردهی اولیه به زیستگاه‌ها (راه‌حل‌های بالقوه) برای هر زیستگاه HSI را به s,  , نگاشت کن از  , برای احتمال تغییر (modification) استفاده کن و تغییر بده برای هر H احتمال تعداد گونه‌ها را به‌روز کن و سپس جهش را انجام بده و HSI را مجددا محاسبه کن به مرحله 3 برای چرخش بعدی برو. اگر به شرایط پایانی رسیدی ، الگوریتم را خاتمه بده

  19. تفاوت BBO با دیگر الگوریتم‌ها • شامل تولید فرزند نیست • در هر چرخش، راه‌حل‌های جدید تولید نمی‌کند، بلکه راه‌حل‌های قبلی را با مهاجرت تغییر می‌دهد • راه‌حل ها بطور مستقیم با مهاجرت تغییر می‌یابند • بطور مستقیم به مبادله ی SIV های خودش با دیگر راه‌حل‌ها می‌پردازد

  20. امتحان الگوریتم بر چند تابع • Rosenbrock • Schwefel 1.2 • Schwefel 2.21 • Schwefel 2.22 • Schwefel 2.26 • Sphere • Step • Ackley • Fletcher-Powell • Griewank • Penalty Function #1 • Penalty Function #2 • Quartic • Rastrigin

  21. مقایسه‌ی اجرای الگوریتم با روش‌های دیگر • Ant colony optimization (ACO) • Biogeography-based optimization (BBO) • Differential evolution (DE) • Evolutionary strategy (ES) • Genetic algorithm (GA) • Population-based incremental learning (PBIL) • Particle swarm optimization (PSO) • Stud genetic algorithm (SGA)

  22. مقایسه‌ی اجرای الگوریتم با روش‌های دیگر Average performance of 100 simulations (n = 50)

  23. منابع [1] Dan Simon,”Biogeography-Based Optimization”,2008 [2] Wenyin Gong, Zhihua Cai, Charles X,”A real-coded biogeography-based optimization with mutation”,2010 [3] Dan Simon, Mehmet Ergezer, “Population Distributions in Biogeography-Based Optimization Algorithms with Elitism”, 2009

  24. با تشکر ضیایی

More Related