تحلیل پایداری الگوریتم خفاش

الگوریتم خفاش، نوعی الگوریتم هوش جمعی است که از رفتار خفاش های کوچک هنگام جهت یابی برای شکار، الهام گرفته شده است. الگوریتم های هوش جمعی الهام گرفته از طبیعت اند که در مسائل بهینه سازی دشوار بسیار کارآمد عمل می کنند. همچنین، این الگوریتم ها ساده و انعطاف پذیرند و پیاده سازی آسانی دارند. تحلیل پایداری الگوریتم های هوش جمعی، استفاده از آنها را قابل اطمینان و رسیدن به پاسخ را تضمین می کند. پیش از این، تحلیل پایداری برای برخی از الگوریتم های هوش جمعی ازجمله بهینه سازی ازدحام ذرات و جستجوی گرانشی انجام شده است؛ اما تحلیل ریاضی کافی برای الگوریتم خفاش انجام نشده است. به همین منظور در این مقاله، پایداری الگوریتم خفاش با استفاده از روش لیاپانوف تحلیل شده است. در این مطالعه، ابتدا پایداری الگوریتم خفاش استاندارد تحلیل شد. با توجه به موفق نبودن تلاش های انجام شده برای تحلیل پایداری الگوریتم استاندارد، روابط به روزرسانی جدیدی برای افزایش درجه آزادی الگوریتم خفاش ارائه شد. سپس تحلیل پایداری الگوریتم با روابط به روزرسانی جدید انجام شده است. نتایج تجربی نشان دهنده پایداری الگوریتم با روابط به روزرسانی جدید است.

کلیدواژه ها:

الگوریتم خفاش ، بهینه سازی ، تحلیل پایداری لیاپانوف ، همگرایی