1
Electronics::
Firefly Algorithm (FA)
پیادهسازی و تحلیل روش پیشنهادی نشان میدهد الگوریتم مورد نظر خطای مکانیابی کمتری نسبت به الگوریتم بهینهسازی ملخ، بهینهسازی پروانه، الگوریتم کرم شبتاب، الگوریتم بهینهسازی ذرات دارد.
ارزیابی الگوریتم بهینهسازی ملخ نشان میدهد این الگوریتم نسبت به الگوریتمهای مانند الگوریتم ژنتیک، بهینهسازی ذرات، الگوریتم خفاش، الگوریتم کرم شبتاب و جستجوی گرانشی با خطای کمتری جواب بهینه را محاسبه مینماید.
موقعیت و مکان تخمین زده شی هوشمند میتواند دارای خطای قابل توجه باشد و برای کاهش دادن این خطا میتوان از روشهای فراابتکاری استفاده نمود که در این پژوهش از الگوریتم بهینهسازی ملخ استفاده شده است زیرا دارای دقت بیشتری نسبت به الگوریتمهای مطرح مانند الگوریتم ژنتیک، بهینهسازی ذرات، الگوریتم خفاش، الگوریتم کرم شبتاب و جستجوی گرانشی است.
با توجه به آزمایشات زمان اجراء در الگوریتم کرم شبتاب، بهینهسازی پروانه، بهینهسازی ملخ یا روش پیشنهادی، بهینهسازی ذرات و DV-HOP به ترتیب برابر 1.94، 0.530، 0.416، 0.490 و 0.238 است و روش پیشنهادی زمان اجرای کمتری برای مکانیابی نسبت به الگوریتم کرم شبتاب، ذرات و پروانه نیاز دارد اما نسبت به روش الگوریتم DV-HOP زمان اجرای بیشتری برای مکانیابی دارد.
برای ارزیابی روش پیشنهادی بر اساس شاخص خطای مکانیابی در این بخش الگوریتم پیشنهادی یا الگوریتم بهینهسازی ملخ را با الگوریتمهای مکانیابی مانند الگوریتم کرم شبتاب، بهینهسازی پروانه، بهینهسازی ذرات و DV-HOP مورد مقایسه و ارزیابی قرار داده تا میزان دقت روش پیشنهادی برای مکانیابی محاسبه شود از طرفی در آزمایشات انجام شده و شرایط آزمایشات یکسان در نظر گرفته شده است.
واژگان شبکه مترجمین ایران