Parallel EigenAnt Algorithm based on MPI by ACO Approach

الگوریتم – runner-root، یک الگوریتم بهینه سازی فرا ابتکاری جدید می باشد که برای حل مسایل بهینه سازی پیچیده بسیار می باشد. این الگوریتم از گیاهانی از قبیل توت فرنگی و گیاه عنکبوتی الهام گرفته شده است که سرعت همگرایی و دقت بیاییی در حیل مسایل تک گانه و چندگانه و دستیابی به نقطه بهینه سراسری دارد. در این مقاله برای ایجاد توازن بین اکتشاف و استخراج عامل ها، یک روش برای تطبیق پویای پارامترها در الگوریتم بهینه سازی فرا ابتکاری runner-root ارایه شده است. همچنین الگوریتم فراابتکاری runner-root با الگوریتم حداقل جمعیت جستجو ترکیب شده است که در آن با استفاده از بردارهای متعامد، فضای جستجوی مسیله را به طور کامل پوشش می دهیم. در این مقاله، ما برای بهبود همگرایی و حیظ تنوع جمعیت در حین فرآیند جستجو، از قوانین فازی برای کنترل پارامترهای کلیدی الگوریتم runner-root استفاده می کنیم تا به بهترین انطباق پویای ممکن مقدار این پارامترها برسیم. کارایی الگوریتم پیشنهادی توسط توابع ریاضی پایه CEC’2005 استاندارد که شامل مسایل تک گانه و چندگانه می باشد، ارزیابی می شود و نتایج با الگوریتم runner-root مقایسه می شود. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی دارای دقت و سرعت همگرایی بایتری نسبت به الگیوریتم runner-root می باشد و توانایی الگوریتم در رسیدن به بهینه سراسری مسیله، افزایش یافته است.

کلیدواژه ها:

الگوریتم بهینه سازی فراابتکاری ، runner-root ، الگوریتم حداقل جمعیت جستجو ، بردارهای متعامد ، تطبیق پویای پارامتر ، منطق فازی