یک الگوریتم تغییریافته زنبور عسل مصنوعی برای مسائل بهینه سازی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 565

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCONF02_113

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

امروزه با توجه به محدودیت های زمانی، انرژی، مواد اولیه، منابع و امکانات به منظور بهینه سازی مسائل از الگوریتم های متفاوت و متنوع استفاده می شود. الگوریتم لانه زنبور عسل مصنوعی که مبتنی بر هوش جمعی است جز ساده ترین و قدرتمندترین الگوریتم های فرا اکتشافی موجود با شبیه سازی رفتارهای تصادفی زنبور هایده عسل برای بهینه سازی مسائل است و کاربردهای بی شماری در بهینه سازی انواع مسائل دارد. در این پژوهش یک نسخه تغییر یافته از الگوریتم زنبور عسل مصنوعی با انجام تغییرات در 1)ایجاد جمعیت اولیه بر اساس نظریه آشوب 2)به کارگیری جست وجوی محلی در همسایگی راه حل فعلی در فاز زنبور کارگر و ناظر به جای انتخاب یک راه حل تصادفی بود 3)کنترل فراوانی انحرافات با استفاده از نرخ اصلاح ارائه می شود. این الگوریتم با استفاده از زبان C# پیاده سازی و بر روی نه تابع بهینه کاوی اسفر، روزن بروک، راستربگین، راستربگین ناپیوسته، اشوفل ، اشوفل 1/2 ، اشوفل 2/2 ، استپ و آکلی اجرا گردید. برای بررسی عملکرد الگوریتم پیشنهادی، پنج نوع آزمون در حالت های مختلف طراحی شد و رفتار الگوریتم با دو الگوریتم زنبور عسل مصنوعی (پایه) و زنبور عسل اصلاح شده است از دو نقطه نظر میانگین و انحراف معیار جواب بهینه مقایسه گردید. نتایج تحقیق حاکی از آنست که از نظر میانگین ارائه شده، الگوریتم پیشنهادی در مقایسه با دو الگوریتم مذکور در 65% از حالت برتر عملکرد و الگوریتم هایده پایی به اصطلاح شده در 35% بعدی قرار دارند. همچنین الگوریتم پیشنهادی در 55% از حالات دارای انحراف معیار برتر می باشد و مابقی انحراف معیارهای برتر را الگوریتم پایه و اصلاح شده از آن خود کردند. همچنین عملکرد الگوریتم پیشنهادی برای تابع اشوفل 1/2 از بقیه توابع بهینه کافی بهتر بود و بهترین حالت در یافتن جواب بهینه زمانی است که بعد لانه برابر با 30 و اندازه لانه برابر با 10 باشد .

کلیدواژه ها:

الگوریتم لانه زنبور عسل مصنوعی ، هوش جمعی ، بهینه سازی ، الگوریتم های فرااکتشافی ، بی نظمی

نویسندگان

طاهره یعقوبی

استادیار گروه مهندسی کامپیوتر دانشگاه پیام نور

الهه اساعیلی تودشکی

کارشناس ارشد مهندسی کامپیوتر نرم افزار دانشگاه پیام نور

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • مریخ بیات، فرشاد. (1391). الگوریتم‌های بهینه سازی الهام گرفته از ...
  • Boussaid, I . Lepagnot, J. Siarry, P.(2013). _ Suryey on ...
  • Akay, B. Karaboga, D. (2012). _ modified Artificial Bee Colony ...
  • D. Ozturk, C. (2011). _ novel clustering approach: Artificial Bee ...
  • Karaboga, D. (2005). :An Idea Based On Honey Bee Swarm ...
  • Wan-li, X. Mei-king, A. (2013). _ efficient and robust artificial ...
  • Suroliya , M .Dhaka , V. S. . Poonia, R. ...
  • Weifeng, G. Sanyang, L. (2011). 'Improved artificial bee colony algorithm ...
  • Wenping, Z. Yunlong, Z. Hanning, C. Xin, S. (2010). _ ...
  • Lu, X. Zhou, Y. (2008). _ novel global cogvergence algorithm: ...
  • Chong, C.S. Sivakumar, A.I. Malcolm Low, Y .H. Gay, K.L.(2006). ...
  • Baig, A.R. Rashid, M. (2006). Foraging for fitness: 'A Honey ...
  • Ghosh, S. Marshall, . (2005). 'Simple model of collective decision ...
  • Drias, H. Souhila, S. Yahi, S. (2005). 'Cooperative bees _ ...
  • Bonabeau, E. Dorigo, M. Theraulaz, G. (1999). :Swarm Intelligence: From ...
  • Baykasoglu, A. Ozbakir, L. Tapkan, P. (20 07). Swarm intelligence ...
  • Kiran, M, S. Gunduz , M. (2013) _ recombination -based ...
  • Gao, W .Liu, S.(2011) . 'Improved artificial bee colony algorithm ...
  • نمایش کامل مراجع