ارزیابی کارایی الگوریتم بهینه سازی اجتماع ذرات بهبود یافته با استفاده از تکنیک های پردازش موازی

الگوریتم بهینه سازی اجتماع ذرات (pso) یک روش بهینه سازی تصادفی مبتنی بر جمعیت است که با الهام گیری از رفتار اجتماعی پرندگان و ماهی ها پایه ریزی شده است. اما این الگوریتم، علی رغم مزایایی که دارد، با مشکل همگرایی زودرس روبه رو است. الگوریتم بهینه سازی اجتماع ذرات با رهبر سالخورده و رقبا (alc-pso)، به منظور فائق آمدن بر این مشکل، ارائه شده است. اما alc-pso همانند pso، جزء الگوریتم های مبتنی بر جمعیت تکرارشونده است و برای حل مسائل بهینه سازی با مقیاس بزرگ، از جمله مسائلی که به جمعیت بسیار زیادی برای جستجو در فضای حل مسأله نیاز دارند، از نظر مدت زمان مورد نیاز برای اجرا، می تواند بسیار ناکارآمد باشد. هدف از این پایان نامه پیاده سازی الگوریتم alc-pso به صورت موازی بر روی واحد پردازش گرافیکی (gpu) به منظور افزایش کارایی آن است.