بهبود الگوریتم جستجوی گرانشی (gsa) به کمک منطق فازی

کارایی روش های جستجو و بهینه سازی هوش جمعی، تمایل محققین را برای استفاده از آن ها در مسائل مختلف پیچیده مهندسی به صورت چشمگیری افزایش داده است. از جمله الگوریتم های مبتنی بر هوش جمعی، الگوریتم جستجوی گرانشی (gsa) است که با الهام از قوانین فیزیکی جاذبه گرانشی و حرکت نیوتنی، افراد جامعه را که در واقع جرم های تصادفی در فضا هستند را به جستجو در فضا وا می دارد. این مقاله به ارائه مدل جمعیتی جدیدی به نام gsa population fuzzy می پردازد که به اختصار آن را fpgsa می نامیم. روش پیشنهادی در واقع ترکیبی از دو کنترل کننده پارامتریک فازی و الگوریتم جستجوی گرانشی است که به جستجوی دقیق و منطقی فضا می پردازد. باید دانست در الگوریتم های هوش جمعی (و به تبع آن در روش gsa)، اندازه جمعیت عامل تاثیر گذاری بر پاسخ نهایی است به نحوی که با زیاد شدن این جمعیت پاسخ های بهتری حاصل شده و به تبع آن زمان اجرای الگوریتم طولانی تر می شود که برای رفع این مشکل پارامتری جدید به نام ضریب پراکندگی به الگوریتم افزوده ایم تا عملکرد بهتر سیستم را با کنترل این ضریب مورد ارزیابی قرار دهیم.