چکیده:

این مقاله یک روش ترکیبی نوین مبتنی بر بهینه سازی گروه ذره و جستجوی محلی، به نام الگوریتم PSOLS، را برای حل مسائل بهینه سازی دینامیک ارائه می دهد. در رویکرد پیشنهادی، اغلب از یک گروه از ذرات با مدل صرفا اجتماعی مبهم استفاده می شود. تا موقعیت پیک ها (قله ها) در دورنمای مسئله را برآورد نماید. به محض همگرایی گروه با موقعیتهای آشکار نشده در فضای جستجو، یک عامل جستجوی محلی (LSA) ایجاد می شود تا از ناحیه مربوطه استفاده کند. علاوه براین، یک مکانیزم کنترل تراکم معرفی شده است. تا از بسیاری از ازدحام های LSA در فضای جستجو جلوگیری نماید.سپس سه انطباق با روش پایه پیشنهاد می شوند تا ارزیابی های عملکرد را به روشی که اغلب به نواحی فضای جستجو با بیشترین احتمال اختصاص داده داده می شوند، مدیریت کند. نخستین الگوریتم مورد استفاده به نام HPSOLS، بهبود PSOLS را با توقف جستجوی محلی در LSAها مدنظر قرار می دهد. که به بهبود فرآیند جستجو کمک چندانی نمی کند. دومین الگوریتم استفاده شده، الگوریتمی به نام CPSOLS است که یک الگوریتم رقابتی است. که ارزیابی های عملکرد اضافی را برای انجام LSA به بهترین وجه اختصاص می دهد. سومین الگوریتم اتخاذ شده، به نام CHPSOLS، ایده های بنیادی HPSOLS و CPSOLS را در داخل یک الگوریتم ترکیب می کند. مجموعه ای گسترده از آزمایش ها بر روی محیط های دینامیک مختلف انجام شده است. که توسط معیار پیک ها یا قله های در حال حرکت تولید می شود. تا عملکرد روش پیشنهادی را ارزیابی نماید. همچنین نتایج به دست آمده با نتایج سایر الگوریتم های مدرن در مراجع مقایسه می شوند. نتایج آزمون های تجربی، نشان دهنده مزیت روش پیشنهادی در این مقاله هستند.