“A Constraint-Handling Mechanism for Particle Swarm Optimization” başlıklı çalışma Pulido, Gregorio Toscano ve Carlos A. Coello Coello tarafından hazırlanıp 2004. CEC2004 kongresinde sunulmuştur.

“Constraint-Handling Mechanism” kısıtların üstesinden gelmek için önerilen mekanizmalar olarak değerlendirilebilir. Çalışmada basit bir mekanizma önerilmiştir. Bu mekanizma PSO’daki feasible alana en yakın parçanın lider olmasına dayanmaktadır. Ayrıca PSO’nun araştırma kapasitesini geliştirmek için bir de türbülans operatörü önerilmiştir. Bu basit mekanizmanın literatürde bilinen ve kullanılan 3 kısıtın üstesinden gelme mekanizmalarıyla yarışan sonuçlar ürettiği bildirilmiştir.

Gerçek dünya problemleri genellikle kısıtlı problemlerdir. Kısıtların içerisinde çözümler(feasible) üretmek sezgisel yaklaşımlar için bazen çok zor olmaktadır, bu da yüksek hesaplama maliyetine sebep olmaktadır. Mantıklı bir zamanda sorunun çözülememesi çözücüye olan itibarı yok etmektedir.

Yaygın kullanımına rağmen klasik ceza(penalty) fonksiyonları bazı güçlüklerle karşılaşmaktadır, bu yüzden evrimsel hesaplama tekniklerine göre farklı ceza kısıtlarla baş etme yöntemleri önerilmektedir.

Eşitlikleri eşitsizliğe çevirmek için bir tolerans değeri kullanılır.
esitsizlik-esitlik

Arama uzayına S derken, uygun çözümler F ise, F kümesi S’in içerisindedir.

Çalışmada kullanılan algoritmanın sözde kodu:

cpso

Çalışmada türbülans operatörü ile lokal minimuma takılmış parçacıkların kurtarılması hedeflenmiştir.
temp

Aşağıda 3 parçacık ve 2 kısıtın grafiksel gösterimi mevcuttur:
feasible-areas

Parçacık 1, Parçacık 2 ve 3’ten daha iyi fitness değerine sahiptir.

Feasible ve infeasible alanları belirlemek için p=F/S şeklinde bir işlem yapılmıştır. F=Feasible Çözümler S=Rastgele üretilen çözümler. Bu çalışmada S=1,000,000 alınmıştır.
13 test problemi için p değerleri:
p-value

İndirmek için:

A_Constraint_Handling_Mechanism_for_Particle_Swarm_Optimization

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir