تحقیق بهینه سازی کلونی مورچه (ACO)

در اوایل ۱۹۹۰ بهینه سازی کلونی مورچه (ACO) توسط M.DORIGO و همکارانش به عنوان ابتکار برخاسته از طبیعت برای حل مشکلات CO معرفی شد. ACO به گروه ابتکار [۸,۳۲,۴۰] متعلق می باشد که الگوریتم تقریبی برای دستیابی به راه حل های مفید برای مسائل CO در زمان محاسبه نمودن منطقی به کار می آیند. از مثال های دیگر ابتکار ، میتوان به تحقیق تابو (ناگوار)[۳۰,۳۱,۳۳] ، بدل مهندسی نساجی و محاسبه تکمیلی[۳۹,۵۸,۲۶] اشاره کرد. منبع الهام بخش ACO تلاش مورچه های واقعی درتهیه آذوقه می باشد. هنگام جستجو برای غذا، مورچه ها ابتدا محیط اطراف لانه را به روش تصادفی کاوش می کنند.  بهینه سازی کلونی مورچه (ACO)  در قالب فایل ورد آماده برای ویرایش و پرینت میباشد.

بهینه سازی کلونی مورچه (ACO)

به محض اینکه مورچه منبع غذایی را میابد کمیت و کیفیت غذا را تخمین زده و مقداری ار آن را به لانه میبرد. هنگام بازگشت به لانه، مورچه ماده شیمیایی خاصی به نام فرومون در مسیر بر زمین بجا میگذارد. مقدار این ماده بر جای گذاشته شده ممکن است به کمیت و کیفیت غذا بستگی داشته باشد و مورچه های دیگر را به منبع غذایی راهنمایی میکند. به طوری که در [۱۸] نشان داده شده است، روابط غیر مستقیم میان فرومون مورچه ها وجود دارد که از طریق این سرنخ آنها را در یافتن کوتاهترین مسیر بین لانه ومنبع غذایی یاری میدهد.

مقدمه

طبق PAPADIMITRIOU & STEIGLITZ [56]، مسئله CO P=(S,F) یک مسئله بهینه سازی کلونی مورچه می باشد که در آن با توجه به راه حل های محدود S که فضای تحقیق نامیده میشود و یک عملکرد عینیF:S R که ارزش مثبتی به هر کدام ازمسئله ها میدهد. الگوریتمها ACO به گروه ابتکار تعلق دارند بنابراین هدف بعدی را دنبال میکنند. جز اصلی(مرکزی) الگوریتم ACO مدل احتمالی پارامتری شده میباشد که به آن مدل فرومون گفته میشود. مدل فرومون از بردار پارامترهای مدل T به نام پارامترهای سرنخ فرومون تشکیل شده است. پارامترهای سرنخ فرومون Ti که معمولا با اجزای راه حل ها همراهند.

به طور کلی راهبرد ACO به حل کردن مسئله بهینه سازی کلونی مورچه بوسیله تکرار این دو مرحله میکوشد:

۱٫راه حلهای کاندیدا مدل فرومون را میسازند. یعنی توزیع احتمال پارامتری شده برفضای راه حل.
۲٫راه حلهای کاندیدا برای تعریف کردن ارزش فرومون به روشی که به نظر می آید، نمونه برداری های آینده را به سوی راه حل های با کیفیت بالا سوق میدهد.
بعد از اثبات مفهوم بر متن، مسئله فروشنده دوره گرد(TSP) [22,23] ،ACO برای مسئله های بسیار دیگرCO به کار گرفته شده است. مثالهای دیگر از قبیل مسئله های واگذاری [۱۴,۴۷,۴۶,۶۳,۶۶] مسئله های زمان بندی شده[۱۱,۱۷,۲۷,۵۱,۶۴] و مسئله های مسیریابی حمل و نقل [۲۹,۵۹] میباشند. از جمله به کارگیری های دیگر الگوریتمهای ACO در حال حاضر حالت هنر برای حل کردن مسئله سری ساز SOP[28] هستند.

کلونی مورچه
کلونی مورچه

بهینه سازی کلونی مورچه

الگوریتم های ACO  روش های تصادفی جستجو هستند. مؤلفه مرکزی این الگوریتم ها مدل فرومون است که احتمالا برای فضا جستجو نمونه کاربرد دارد. مدل فرومون میتواند به شدح ذیل از یک مدل co مشتق شود:

یک جستجو (یا یک راه حل) فضای معین S به یک مجموعه محدودمتغیرهای تصمیم جداگانه و یک مجموعه از الزامها بین متغیرهای مشخص شده.

یک تابع هدف F:S              R  حداقل شده.

اگر مجموعه الزامها تهی باشد آنوقت هر متغیر تصمیم میتواند ارزشی مستقل قلمروش از ارزشها متغیرهای تصمیم  دیگر بگیرد.

گسترش سازی برای در بر گرفتن شاخصه های لگوریتم هایACO

اکثر الگوریتم های ACO در عمل دربردارنده شاخصه هایی هستند که نه در ACObs,Tmin و نه در ACObs,Tmin(t) است. جالب تر اینست که چگونه با استفاده از تحقیق محلی راه حل ساخته شده را بهبود داد و استفاده از اطلاعات ابتکاری دلیل همگرایی برای ACObs,Tmin راتحت تاثیر قرار دهد.

مطلب بالا چکیده‌ای از تحقیق و پژوهش اصلی میباشد جهت تهیه نسخه کامل آن از باکس زیر اقدام به خرید و دانلود نمایید
لینک خرید پژوهش تحقیق بهینه سازی کلونی مورچه (ACO):
تحویل فوری و خودکار فایل با لینک مستقیم بعد از پرداخت
تعداد صفحه: 10
قالب: فایل word

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *