هدف بهینه سازی کنترلر فازی طراحی شده با استفاده از الگوریتم جدید کلونی زنبور

در این مقاله، الگوی بهبود یافته از الگوریتم محاسبات زیستی مبتنی بر رفتار زنبور عسل(BCO)[1]، برای بهینه­ سازی طراحی کنترلر فازی به کار گرفته می­شود. روش BCO، تکنیکی مبتنی بر محاسبات زیستی و رفتار طبیعی زنبورهای عسل می­باشد که قادر به حل مسائل بهینه ­سازی است. در مرحله اول روش BCO مرسوم، براساس بهینه ­سازی کنترلرهای فازی شبیه ­سازی می­شود. در مرحله دوم، حالت بهبودیافته روش اصلی که در بردارنده منطق فازی برای تغییر دینامیکی پارامترهای اصلی الگوریتم در حین اجرا است، پیاده ­سازی می­شود. در مرحله سوم، روش بهبود یافته الگوریتم BCO با رویکرد فازی، برای بهینه ­سازی مسئله کنترلی به کار می­رود. مقایسه نتایج نشان می­دهد که روش فازی-BCO پیشنهادی در مقایسه با روش BCO مرسوم، عملکرد مناسب­تری در طراحی بهینه کنترلرهای فازی دارد.

هدف اصلی این مقاله بهبود الگوریتم بهینه­ سازی کلونی زنبور عسل، با افزودن راهکارهای فازی برای تغییر دینامیکی پارامترها، می­باشد.

در این مقاله کاربرد الگوریتم خرد جمعی BCO برای حل مسائل بهینه­سازی با استفاده از منطق فازی مورد بررسی قرار گرفت. نتایج نشان­ می­دهد که تنظیم دینامیکی پارامترهای الگوریتم بهینه­سازی منجر به بهبود کیفیت نتایج می­شود. در این مقاله منطق فازی برای کنترل پلانت و برای تنظیم دینامیکی پارامترهای الگوریتم BCO مورد استفاده قرار گرفت که منجر به ارائه الگوریتم FBCO شده است. الگوریتم FBCO  با ایجاد توازن مناسب­ بین جستجو و بهره­برداری از نتایج، منتج به عملکرد بهتر کنترلر در اکثر موارد شده است.

بهینه سازی کنترلر فازی طراحی شده با استفاده از الگوریتم جدید کلونی زنبور

 به همراه تنظیم پارامترهای دینامیک فازی

Optimization of fuzzy controller design using a new bee colony

Algorithm with fuzzy dynamic parameter

Published in:  Elsever

Date of Publication: 2016

برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناسی ارشد کنترل

فردوسی مشهد

محتویات:

• اصل مقاله
• پیاده سازی با Matlab
• گزارش کامل مقاله و توضیحات فارسی الگوریتم و نتایج (Word)
• پیوست سورس کد

دانلود فایل

[۱]  Bee Colony Optimization