افزایش توانایی جستجوی سراسری و اجتناب از همگرایی زودرس در الگوریتم دسته ماهی های مصنوعی

الگوریتم دسته ماهیهای مصنوعی AFSA یک مدل محاسباتی تکاملی است که مبتنی بر الگوریتم های هوش جمعی و برگرفته شده از طبیعت می باشد کاربرد عمده این الگوریتم در حل مسائل بهینه سازی می باشد عملکرد این الگوریتم براساس جستجوی تصادفی است و نمونه ای از رفتارگرایی در هوش مصنوعی می باشد رفتارهای پایه AFSA یعنی رفتارهای جستجوی غذا، دنباله روی و حرکت جمعی، رفتارهای جستجوی محلی می باشند AFSA با این رفتارها به خوبی جستجوی محلی را انجام می دهد ولی توانایی کمی در گذشتن از بهینه های محلی و رسیدن به بهینه سراسری دارد دراین مقاله برای اجتناب از افتادن در بهینه های محلی و همگرایی زودرس سه رفتار جدید بهصورت جداگانه پیشنهاد می گردند که به AFSA اضافه شده اند و توانایی این الگوریتم را برای اجتناب از همگرایی زودرس و خروج از بهینه های محلی افزایش میدهند.

کلیدواژه ها:

الگوریتم دسته ماهی های مصنوعی ، بهینه سازی ، بهینه سراسری ، بهینه محلی ، همگرایی زودرس