معرفی الگوریتم بازار بورس (Exchange Market Algorithm (EMA+ مراجع و کد برنامه نویسی
جمعه, ۱۵ بهمن ۱۳۹۵، ۱۱:۱۹ ب.ظ
الگوریتم بازار بورس (Exchange Market Algorithm (EMA)) یک الگوریتم قوی، مقاوم و کارآمد جهت استخراج نقطه بهینه جهانی مسائل بهینه‌سازی می‌باشد. این الگوریتم بهینه‌سازی در سال 2014 توسط مهندس ناصر قربانی و دکتر ابراهیم بابائی با الهام از هوش انسانی و نحوه داد و ستد سهام در بازار بورس معرفی شده است. تولید و ساماندهی اعداد تصادفی در این الگوریتم به دلیل داشتن دو اپراتور جستجوگر و دو اپراتور جذب کننده به بهترین شکل ممکن صورت می‌گیرد لذا این الگوریتم محدودیت‌ها و مشکلات سایر الگوریتم‌ها نظیر گیر کردن در بهینه‌های محلی و در نتیجه همگرایی زودرس (مشکل اکتشاف) یا توانایی نا کافی در یافتن نقاط مجاور نقطه بهینه (مشکل استخراج) و همگرا شدن به جواب‌های غیریکسان در هر بار اجرای برنامه را تا حد قابل قبولی بهبود داده است.
زمان کم اجرای برنامه، تولید و ساماندهی بسیار مناسب اعداد تصادفی به دلیل داشتن دو اپراتور جذب کننده و دو اپراتور جستجوگر موثر و کارآمد، قابلیت انتخاب محدوده جستجو و درنتیجه توانایی بهینه‌سازی انواع گوناگون مسائل، همگرای به جواب‌های کاملاً یکسان در هر بار اجرای برنامه، عدم گیر کردن در بهینه‌های محلی و در نتیجه توانایی بسیار بالا در استخراج نقطه بهینه جهانی از مزایای الگورتم EMA می‌باشد. با توجه به نتایج حاصل شده استفاده از اینالگوریتم به عنوان یک ابزار کارآمد و قابل اطمینان جهت حل مسائل مهندسی و کاربردی پیشنهاد می‌گردد.
Exchange Market Algorithm (published in Applied Soft Computing, 2014) is a new evolutionary algorithm for solving real-valued numerical optimization problems. This optimization algorithm is inspired by the procedure of trading the shares on stock market and it is called exchange market algorithm (EMA). Evaluation of how the stocks are traded on the stock market by elites has formed this evolutionary as an optimization algorithm. Similar to the other algorithms, the proposed algorithm starts with an initial population. In this algorithm, the generation and organization of random numbers are performed in best way due to the existence of two absorbent operators and two searching operators leading to high capability in global optimum point extraction.
The advantages for EMA are less execution time, effective random numbers generation and organization because of having two absorbent operators and two efficient searching operators, the ability in selecting search area and in turn the ability for optimization of various problems, convergence to the identical solutions in each program implements, not trapping in local minima and therefore high ability in extraction of global optimum points, needing no penalty factor in some problems. The results proved the robustness and effectiveness of the proposed algorithm and show that it could be used as a reliable tool for solving optimization problems.
مراجع:
Paper01حجم: 1.99 مگابایت
Codeلینک کد شبیه سازی به شرط مرجع دهی صحیح و استفاده از مقالات فوق، به صورت رایگان به ایمیل دانشجویان ارسال خواهد شد.
