پژوهشی مبتنی بر الگوریتم ممتیک متاهیوریستیکِ جهش ترکیبی قورباغه

//پژوهشی مبتنی بر الگوریتم ممتیک متاهیوریستیکِ جهش ترکیبی قورباغه

پژوهشی مبتنی بر الگوریتم ممتیک متاهیوریستیکِ جهش ترکیبی قورباغه

چکیده– الگوریتم جهش ترکیبیِ قورباغه (SFLA) یک الگوریتم تکاملی و مبتنی بر جمعیتِ متاهیوریستیک جدید است. این الگوریتم سریع است و قابلیت جستجوی سراسری بسیار خوبی دارد. در این مقاله در ابتدا قاعده­ی کلی الگوریتم SFLA مطرح می­شود و سپس پارامترهای آن مورد تحلیل قرار می­گیرند.  بوسیله­ی آزمایش، پارامترها به گونه­ای انتخاب می­شوندکه تاثیر مثبتی بر SFLA داشته باشند. الگوریتم SFLA با استفاده از تابع آزمایش، با الگوریتم ژنتیک (GA) و بهینه­سازیِ گروه ذرات (PSO) مقایسه می­شود. آزمایشات نشان می­دهند که دقت و قابلیت جستجوی سراسریِ SFLA از GA و PSO بهتر است.

1.مقدمه

الگوریتم جهش ترکیبیِ قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیک است. این الگوریتم در سال­های اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوه­ی جستجوی غذای گروه­های­ قورباغه­ سرچشمه می­گیرد. این الگوریتم برای جستجوی محلی میان زیرگروه­­های قورباغه از روش نمو ممتیک استفاده می­کند. SFLA  از استراتژیِ ترکیب استفاده می­کند و امکان مبادله پیام در جستجوی محلی را فراهم می­سازد. این الگوریتم مزایای الگوریتم نمو ممتیک و بهینه­سازیِ گروه ذرات (PSO)[1] را ترکیب می­کند. در SFLA نه تنها در جستجوی محلی بلکه در جستجوی سراسری نیز پیام­ها مبادله می­شوند. بدین ترتیب جستجوی محلی و سراسری به خوبی در این الگوریتم ترکیب می­شوند. جستجوی محلی امکان انتقال مم را میان افراد ممکن می­سازد و استراتژیِ ترکیب امکان انتقال مم را میان کل جمعیت ممکن می­سازد. مانند الگوریتم ژنتیک (GA) و بهینه­سازی گروه ذرات (PSO) الگوریتم جهش ترکیبیِ قورباغه یک الگوریتم بهینه­سازیِ مبتنی بر کولونی است. SFLA قابلیت بالایی برای جستجوی سراسری دارد و پیاده­سازیِ آن آسان است. الگوریتم SFLA می­تواند بسیاری از مسائل غیرخطی، غیرقابل­تشخیص[2] و چندحالته[3] را حل کند. این الگوریتم به مراتب برای حل مساله­ی توزیع منابع آبی بکارگرفته می­شود.

 

 

 

2.الگوریتم ترکیبی جهش قورباغه

A. قاعده­ی کلیِ SFLA

الگوریتم SFLA ترکیب روش قطعی و روش تصادفی است. روش قطعی به الگوریتم امکان می­دهد تا پیام­ها را به صورت کارایی مبادله کند. روش تصادفی انعطاف­پذیری و مقاومت الگوریتم را تضمین می­­کند. الگوریتم با انتخاب تصادفی گروه­های قورباغه شروع می­شود. گروه­های قورباغه به چندین زیرگروه تقسیم می­شوند. هر یک از این زیرگروه­ها می­توانند جستجوی محلی را به صورت مستقل و با روش­ متفاوتی انجام دهند. قورباغه­های موجود در یک زیرگروه می­توانند بر روی سایر قورباغه­های موجود در همان زیرگروه اثر بگذارند. بدین تریب قورباغه­های موجود در یک زیرگروه تکامل می­یابند. تکامل ممتیک کیفیت ممتیکِ قورباغه­های منفرد را بهبود و قابلیت دستیابی به هدف را افزایش می­دهد. برای رسیدن به یک هدف خوب می­توان وزنِ قورباغه­ها­ی خوب را افزایش و وزن قورباغه­های بد را کاهش داد. بعد از تکامل برخی از ممتیک­ها، زیرگروه­ها با هم ترکیب می­شوند. بواسطه­ی ترکیب ممتیک­ها در حوزه­ی سراسری بهینه می­شوند و بوسیله­ی مکانیزم ترکیب زیرگروه­های قورباغه­ی جدیدی ایجاد می­شود. ترکیب، کیفیتِ ممتیک­هایی که تحت تاثیرِ زیرگروه­های مختلف قرار می­گیرند را افزایش می­دهد. جستجوی محلی و جستجوی سراسری تا برآورده شدن شرط همگرایی ترکیب می­شوند. توازن بین مبادله پیام سراسری و جستجوی محلی به الگوریتم امکان می­دهد تا به راحتی از مینیمم محلی پرش کند  و تا دستیابی به بهینه­سازی توسعه یابد. یکی از خصیصه­های  الگوریتم SFLA همگرایی سریع آن است.

۱۳۹۲-۸-۱۰ ۲۰:۴۶:۳۰ +۰۳:۳۰آبان ۱۰ام, ۱۳۹۲|Categories: عمومی|بدون ديدگاه

ثبت ديدگاه

پرداخت

1-پرداخت آنلاین
برای پرداخت آنلاین از لینک زیر استفاده کنید
پرداخت آنلاین
2- پرداخت آفلاین
برای پرداخت آفلاین مبلغ مورد نظر را به یکی از شماره کارت
6037997245888723بانک ملی