تحسين البحث الذري التكيفي باستخدام Gbest-Guided Atom لتصميم مرشحات IIR الرقمية المستقرة

تُعد مشكلة تحديد نظام الاستجابة النبضية اللانهائية (IIR) قضية رئيسية ومُلحة في أنظمة معالجة الإشارات والتحكم، والتي تتطلب ديناميكيات نظام مناسبة تصف نموذجًا يضمن أيضًا استقرار النظام وكفاءته الحسابية. في هذه الدراسة، تم اقتراح مُحسِّن بحث ذري مُعدّل (mASO)، يجمع بين آلية مُوجّهة بـ gbest مُتكيّفة للتغلب على نقاط الضعف في مُحسِّن بحث الذرات القياسي. من خلال هذا المُحسِّن المُعدّل، يتم ترويض هدر الوقت المُرتبط بضعف الأمثلية المحلية وفقدان السيطرة على عمليات الاستكشاف والاستغلال، مما يعني أن هذه الفكرة مُناسبة للحالات الصعبة من OCO. تم اختبار الخوارزمية على أنظمة من الدرجة الثانية إلى الخامسة، وتم استخدام نماذج من نفس الدرجة بالإضافة إلى نماذج IIR ذات الدرجة المُخفّضة. تتضمن هذه التحليلات تقديرات خطأ متوسط ??التربيع (MSE)، وفحوصات مخطط القطب-الصفر، واختبارات إحصائية للدلالة لمجموعة متنوعة من العوامل. تم استخدام العديد من طرق التحسين لمقارنة أداء mASO، بما في ذلك ASO، وتحسينات لهب العثة، وتحسينات سرب الجسيمات، وتحسين نظام المستوى المائل، وخوارزمية البحث الجاذبية، والخوارزمية الجينية، وتحسينات القطيع الأناني، والعديد من الطرق المعاصرة الأخرى. في جميع الأنظمة المذكورة، وُجد أن mASO كان أداؤه جيدًا بالمقارنة، مع ملاحظة أن متوسط ??قيم MSE لنموذج الرتبة نفسها من الدرجة الثانية كان مرتفعًا مثل 7.8072E?34 و3.6286E?03 لنموذج الرتبة المخفضة من الدرجة الرابعة. أكدت تفاصيل مخططات القطب-الصفر الاستقرار والدقة الديناميكية، بينما أشارت النتائج الإحصائية إلى أن mASO متسق ومتين في ظل أنظمة مختلفة. تشير النتائج إلى قدرة mASO على الاستخدام في مهام تحديد أنظمة IIR المعقدة بكفاءة عالية. إن نجاحه المؤكد ضد الخوارزميات الأخرى يجعل mASO تقنية موثوقة ورائعة للعديد من الأعمال الهندسية، بما في ذلك تصميم مرشحات قوية ونمذجة الأنظمة الديناميكية.