زهرا بای - دانشجوی کارشناسی ارشد، گروه کامپیوتر، واحد هرمزگان دانشگاه آزاد اسلامی هرمزگان، ایران
فاطمه سعادت جو - استادیار، گروه کامپیوتر، دانشگاه علم و هنر، یزد، ایران

بهینه سازی در علوم ریاضیات و مهندسی کاربرد زیادی دارد که در آن تلاش بر این است که بهترین نقطه از بین نقاط موجود استخراج کند در حال حاضر بسیاری از مسائل بهینه سازی از نوع مسائل چندجمله ای سخت هستند برای حل این مسائل می توان از الگوریتم های فرا مکاشفه ای استفاده نمود این گونه الگوریتم ها تضمینی برای به دست آوردن جواب بهینه نمی دهند ولی بر اساس زمان مشخص شده جواب نسبتاً دقیقی استخراج می کنند بر اساس زمان صرف شده دقت جواب مسئله نیز تغییر خواهد کرد. در سه دهه گذشته گونه جدیدی از الگوریتم های تقریبی به نام فرامکاشفه ای ایجادشده است که سعی دارد روش های مکاشفه ای پایه را به منظور جست وجوی کارا و مؤثر فضای جست وجو در سطوح بالاتر ترکیب نمایند. انبوه کارهای صورت گرفته روز دنیا حاکی از رشد روزافزون کاربرد این گونه الگوریتم ها در مسائل بهینه سازی است و برای حل مسائل بهینه سازی الگوریتم های فرامکاشفه ای مختلفی در سال های اخیر ارائه شده اند ازجمله الگوریتم های فرا مکاشفه ای ارائه شده الگوریتم تکاملی می باشد که امروزه کاربرد زیادی در علوم مختلف دارد. بسیاری از این ایده ها از ملاحظه و بررسی موجودات گوناگون طبیعت پیرامون الهام می گیرند. برای مثال حرکت جمعی و گروهی ماهیان یا پرندگان منجر به طرح الگوریتم گروه ذرات گردید. برخی دیگر مانند الگوریتم تازه ظهور یافته رقابت استعماری نیز از یک پدیده اجتماعی-انسانی الهام گرفته است. که در این پژوهش بهبودهایی را بر روی الگوریتم های ازدحام ذرات و ژنتیک ارائه می دهیم که ایده ی اصلی این پژوهش ترکیب سه الگوریتم رقابت استعماری، ازدحام ذرات اصلاح شده و ژنتیک اصلاح شده می باشد که توانستیم کارایی الگوریتم رقابت استعماری را بهبود بخشیم. برای نشان دادن توانایی الگوریتم جدید، توابع محک مختلفی استفاده شده اند و نتایج حاصل به خوبی بیان گر کارآیی بالای الگوریتم جدید است.

الگوریتم تکاملی، بهینه سازی، الگوریتم های بهینه سازی، الگوریتم رقابت استعماری، الگوریتم ژنتیک، الگوریتم ازدحام ذرات