بهبود الگوریتم بهینه¬سازی SSPCO با استفاده از دو نظریه آشوب

بهینه¬سازی فرایندی است که برای بهتر کردن چیزی دنبال می¬شود. فکر، ایده و یا طرحی که به ¬وسیله یک دانشمند یا یک مهندس مطرح می¬شود، طی روال بهینه¬سازی بهتر می¬شود. در هنگام بهینه¬سازی، شرایط اولیه با روش¬های مختلف مورد بررسی قرار می¬گیرد و اطلاعات به¬دست آمده، برای بهبود بخشیدن به یک فکر یا روش مورد استفاده قرار می¬گیرند. یکی از الگوریتم های جدید بهینه¬سازی الگوریتم SSPCO می¬باشد که از رفتار جوجه¬های پرنده تیهو الگوبرداری شده است. تئوری آشوب شاخه¬ای از ریاضیات است که به مطالعه¬ی رفتار دینامیکی سیستم¬هایی که به انتخاب¬های اولیه بسیار حساس هستند می¬پردازد. در این مقاله با مکانیزم جمعیت دهی تئوری آشوب، الگوریتم SSPCO را پیاده¬سازی کرده¬ایم. از دو تابع مختلف نظریه آشوب استفاده کرده و الگوریتم را با تئوری آشوب ترکیب کرده¬ایم و نتایج را با الگوریتم¬های مشابه مقایسه کرده¬ایم. نتایج نشان از این دارد که نظریه آشوب تاثیر مثبتی بر روند الگوریتم داشته است.

الگوریتم SSPCO، بهینه¬سازی، هزینه، نظریه آشوب، معادله حرکت.