در این تحقیق یک مدل بهبودیافته از الگوریتم کپک مخاطی(slime mould algorithm) با استفاده از یادگیری مبتنی بر مخالفت(opposition-based learning) برای حل مسائل بهینهسازی پیوسته پیشنهاد شده است. استفاده از یادگیری مبتنی بر مخالفت(OBL) تلاشی برای تقویت مرحله اکتشاف در الگوریتم کپک مخاطی(SMA) است. فایل شبیهسازی این تحقیق فقط برای توابع پیوسته بررسی شده است. آزمایشهای شبیهسازی در محیط متلب 2018 برروی 23 تابع استاندارد IEEE CEC 2014 انجام شده است. نتایج نشان داد که مدل بهبودیافته در مقایسه با الگوریتم کپک مخاطی و بهینهسازی اجتماع ذرات بهتر عمل کرده است.
برچسب ها: الگوریتم فراابتکاری الگوریتم کپک مخاطی یادگیری مبتنی بر مخالفت بهینهسازی اجتماع ذرات همگرایی بهینهسازی
برچسب ها: الگوریتم فراابتکاری الگوریتم کپک مخاطی یادگیری مبتنی بر مخالفت بهینهسازی اجتماع ذرات همگرایی بهینهسازی