الگوریتم بهینه سازی ملخ تکاملی برای مسیله فروشنده دوره گرد

دراین مقاله روشی برای حل مساله مشهور فروشنده دوره گرد (1(TSP با استفاده از الگوریتم تکاملی 2EGOA ارایه شده استEGOA یک روش بهینه سازی است که از رفتار اجتماعی ملخها الهام گرفته است در 3GOA هرعضو جامعه موقعیت خود را در فضای جستجو باتوجه به موقعیت فعلی خود ، بهترین بهینه سراسری و موقعیت همه عضوهای دیگر جامعه تغییر میدهد. در این مقاله با اعمال عملگر جهش تغییراتی در الگوریتم GOA ایجاد گردید که برای حل مسیله TSP مسیر بهینه را پیدا میکند. الگوریتم GOA معمولا برای بهینه سازی توابع غیرخطی با متغیرهای پیوسته به کار میرود در حالیکه در مساله TSP با یک فضای جستجوی گسسته سروکار داریم بنابراین با استفاده از روش گسسته جایگشتی در مسیله TSP به ساختار متناسب با الگوریتم GOA تبدیل میشود. الگوریتم پیشنهادی بر روی گرافی متشکل از 20 شهر تست شده است. نتایج حاصل از این پژوهش را با الگوریتم GOA پایه و4PSO مورد مقایسه قرار داده ام و نتایج حاصل از این تحقیق بیانگر توانایی الگوریتم EGOA در پیدا کردن تور بهینه، تعداد فراخوانیهای تابع هدف و تابع هزینه مساله فروشنده دوره گرد میباشد.

کلیدواژه ها:

مساله فروشنده دوره گرد ، الگوریتم بهینه سازی ملخ ، جهش