رهیافت جدید برای تنظیم پارامتر منطق فازی دینامیک در بهینه‌سازی کلونی مورچگان و کاربرد آن در کنترل فازی ربات متحرک

قیمت: 44,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

رهیافت جدید برای تنظیم پارامتر منطق فازی دینامیک در بهینه‌سازی کلونی مورچگان و کاربرد آن در کنترل فازی ربات متحرک

عنوان لاتین

A new approach for dynamic fuzzy logic parameter tuning in AntColony Optimization and its application in fuzzy control of a mobilerobotOscar

بهینه‌سازی کلونی مورچگان یک رهیافت فرااکتشافی مبتنی بر جمعیت است که از حافظه عملکرد قبلی، که از رفتار مورچه‌های واقعی الهام گرفته شده است، بهره می‌گیرد. رفتار الگوریتم بهینه‌سازی کلونی مورچگان بسیار وابسته به مقادیر تعیین شده برای پارامترهای آن است. تطبیق و کنترل پارامترهای، رخدادهایی تکراری در زمینه الگوریتم‌های بهینه‌سازی بیولوژیک هستند. مقاله حاضر به بررسی رویکرد جدید فازی برای کنترل گوناگونی در بهینه‌سازی کلونی مورچگان می‌پردازد. ایده اصلی ممانعت یا کند کردن سرعت همگرایی کامل از طریق تغییرات دینامیک یک پارامتر خاص است. کارایی متغیرهای مختلف الگوریتم بهینه‌سازی کلونی مورچگان برای انتخاب یک مورد به عنوان مبنا برای رویکرد پیشنهادی مورد تجزیه و تحلیل قرار گرفته است. کنترل کننده منطق فازی همگرا با هدف حفظ گوناگونی در برخی سطوح برای جلوگیری از همگرایی زود هنگام ایجاد می‌شود. نتایج نوید بخش در چند نمونه از مسائل فروشندگان مسافر و کاربرد آن در طراحی کنترل کننده‌های فازی، به ویژه بهینه‌سازی تابع عضویت برای کنترل مسیریابی ربات متحرک تک‌چرخ با روش پیشنهادی ارائه شده است.

Ant Colony Optimization is a population-based meta-heuristic that exploits a form of past performancememory that is inspired by the foraging behavior of real ants. The behavior of the Ant Colony Optimizationalgorithm is highly dependent on the values defined for its parameters. Adaptation and parameter controlare recurring themes in the field of bio-inspired optimization algorithms. The present paper explores anew fuzzy approach for diversity control in Ant Colony Optimization. The main idea is to avoid or slowdown full convergence through the dynamic variation of a particular parameter. The performance ofdifferent variants of the Ant Colony Optimization algorithm is analyzed to choose one as the basis to theproposed approach. A convergence fuzzy logic controller with the objective of maintaining diversity atsome level to avoid premature convergence is created. Encouraging results on several traveling salesmanproblem instances and its application to the design of fuzzy controllers, in particular the optimizationof membership functions for a unicycle mobile robot trajectory control are presented with the proposedmethod.