مقایسه عملکرد الگوریتم های بهینه سازی جدید | شبیه سازی در متلب

عنوان مقاله : مقايسه عملكرد چهار الگوريتم فراابتكاري نوين براي حل مسايل بهينه سازي رياضي
نوع ارائه: مقاله
نویسنده: دليلي يزدي هدي*,توكلي مقدم رضا,بوالحسني گلريز

*دانشگاه آزاد اسلامي، واحد علوم و تحقيقات، تهران

عنوان مجمع: کنفرانس بين المللي انجمن ايراني تحقيق در عمليات
نوع مجمع: انجمن هاي علمي
حامی: انجمن ايراني تحقيق در عمليات، دانشكده علوم رياضي، دانشگاه فردوسي مشهد

مقايسه عملكرد چهار الگوريتم فراابتكاري

مقايسه عملكرد چهار الگوريتم فراابتكاري

چکیده مقاله:

امروزه الگوریتم های فراابتکاری سهم بسزایی را در حل تقریبی مسائل بهینه سازی دارا می باشند. انتخاب الگوریتمی مناسب برای مسائل مختلف دارای اهمیت می باشد به طوری که یک الگوریتم برای گونه ای از مسائل می تواند مناسب و در عین حال برای دیگر مسائل نامناسب باشد. در این مقاله سعی شده است با مقایسه الگوریتم بهینه سازی گرگ خاکستری با ٣ الگوریتم نوین بهینه سازی (الگوریتم زنبور ها، الگوریتم مبتنی برجغرافیای زیستی، الگوریتم بهینه سازی ازدحام جوجه ها)
(از طریق حل نه تابع معیار)، عملکرد این الگوریتم ها از دو جهت دستیابی به نقطه بهینه سراسری و همچنین زمان دستیابی به این نقطه، مورد بررسی قرار گیرد. به جهت صحیح بودن مقایسه، الگوریتم های انتخاب شده همگی از جمله الگوریتم هایی هستند که برگرفته از رفتار غذایابی موجودات زنده می باشد.

واژگان کلیدی : الگوریتم گرگ خاکستری؛ الگوریتم زنبورها؛ الگوریتم مبتنی برجغرافیای زیستی؛ الگوریتم بهینه سازی ازدحام جوجه ها؛ توابع ریاضی

مقايسه عملكرد چهار الگوريتم فراابتكاري

جهت دریافت شبیه سازی مقاله فوق در نرم افزار Matlab با ما تماس بگیرید.

کد مقاله Opt-1

ما در متلب 24 بعنوان مرجع تخصصی هوش مصنوعی و الگوریتم های بهینه سازی آمادگی داریم تا مقاله فوق را با هر الگوریتم تکاملی ای که مورد نظر شما هست برایتان شبیه سازی کنیم .

جهت هماهنگی میتوانید با شماره زیر تماس بگیرید : 09120563264

در زیر برخی از الگوریتم های بهینه سازی را لیست کرده ایم اما هر الگوریتم بهینه سازی دیگری نیز مد نظر شما باشد قابل انجام می باشد:

• الگوریتم بهینه سازی گرگ خاکستری GWO
• الگوریتم بهینه سازی مرغ آلاچیق ساز SBO
• الگوریتم بهینه سازی کلونی زنبور عسل  ABC
• الگوریتم بهینه سازی عنکبوت اجتماعی  SSA
• الگوریتم بهینه سازی وال یا نهنگ WOA
• الگوریتم بهینه سازی سنجاقک DA
• الگوریتم بهینه سازی ملخ GOA
• الگوریتم بهینه سازی گرده افشانی گل ها FPA
• الگوریتم غذایابی باکتری BFA
• الگوریتم ازدحام ماهی های مصنوعی AFSA
• الگوریتم علف های هرز WOI
• الگوریتم جستجوی گرانشی GSA
• الگوریتم توده ذرات PSO
• الگوریتم خفاش BA
• الگوریتم زنبور عسل HBO
• الگوریتم قابت استعماری ICA
• الگوریتم تکامل تفاضلی DE
• الگوریتم کلونی مورچگان ACO
• الگوریتم کلونی مورچگان پیوسته ACOR
• الگوریتم جستجوی هارمونی HA
• الگوریتم بهینه سازی واکنش شیمیایی CRO
• الگوریتم سیستم ایمنی مصنوعی IA
• الگوریتم ذوب شبیه سازی شده SA
• الگوریتم جستجوی ممنوعه TS
• الگوریتم قورباغه SFLA
• الگوریتم ژنتیک GA

جهت پیاده سازی هر یک الگوریتم های تکاملی و مقایسه کارایی آنها با یکدیگر کافی است با متلب 24 تماس بگیرید تا کارشما را به بهترین شکل ممکن و در کمترین زمان انجام دهیم. 

نوشته مقاله بهینه سازی : مقايسه عملكرد چهار الگوريتم فراابتكاري نوين اولین بار در برنامه نویسی هوشمند پدیدار شد.

کد فروشنده دوره گرد با الگوریتم فاخته

روش جستجوی فاخته (CS) یک روش بهینه‌سازی فرااکتشافی است که رویکردی تکاملی در جستجوی راه‌حل بهینه دارد و در سال 2009 توسط Yang  و Deb پیشنهاد شده است. این روش از رفتار جالب توجه گونه‌هایی از پرنده‌ی فاخته در پرورش تخم الهام گرفته است و آن را با پرواز لووی که نوعی گشت تصادفی است ترکیب می‌کند.

برخی از گونه‌های فاخته به جای ساختن لانه، تخم‌های خود را در لانه‌ی پرنده‌ای از گونه‌های دیگر می‌گذارند و آن‌ها را با تقلید از شکل تخم‌ها و جوجه‌های پرنده‌ی میزبان وادار به مشارکت در بقای نسل خود می‌کنند.

پرواز لووی نوعی گشت تصادفی است که طول گام آن از یک توزیع مشخص پیروی می‌کند. با استفاده از این روش اغلب، راه‌حل‌های مشابه با راه‌حل فعلی و به ندرت راه‌حل‌های دور از آن در مرحله‌ی بعدی جستجو تولید می‌شود. با توجه به این ویژگی می‌توان با بهره‌گیری از پرواز لووی جستجوی محلی و سراسری را تنها با یک ساختار پیاده‌سازی کرد. بنابراین تعداد پارامترهای مورد نیاز برای اجرای الگوریتم کاهش می‌یابد. الگوریتم CS از سه قانون زیر تبعیت می‌کند:

1-    هر فاخته در هر زمان یک تخم می‌گذارد و آن را در یک لانه‌ی تصادفی قرار می‌دهد.

2-    بهترین لانه‌ها با کیفیت بالای تخم، نسل بعدی را تشکیل می‌دهند.

3-  تعداد لانه‌های میزبان ثابت است و تخمی که توسط فاخته گذاشته شده است، با احتمال  توسط پرنده‌ی میزبان کشف می‌شود. در این حالت پرنده‌ی میزبان می‌تواند تخم را دور بیاندازد یا لانه را ترک کرده، لانه‌ای جدید بسازد. برای سادگی، می‌توان کسرPa  از n تعداد لانه‌ها را با لانه‌های (راه‌حل‌های) جدید جایگزین نمود.

کد فروشنده دوره گرد با الگوریتم فاخته

شرح مسئله بدین شکل است:

تعدادی شهر داریم و هزینه رفتن مستقیم از یکی به دیگری را می‌دانیم. مطلوب است کم‌هزینه‌ترین مسیری که از یک شهر شروع شود و از تمامی شهرها دقیقاًٌ یکبار عبور کند و به شهر شروع بازگردد.

تعداد کل راه‌حل‌ها برابر است با  برای n>۲ که n تعداد شهرها است.

کد فروشنده دوره گرد با الگوریتم فاخته

جهت دریافت کد متلب فروشنده دوره گرد با الگوریتم فاخته بصورت  بصورت انلاین از بخش زیر اقدام کنید

ایمیل : matlab24ir@gmail.com و یا info@matlab24.ir

نوشته کد فروشنده دوره گرد با الگوریتم فاخته اولین بار در برنامه نویسی هوشمند پدیدار شد.

شرح مسئله به این صورت است که ما تعدادی اجسام با وزن مشخص و با ارزش مشخص داریم و میخواهیم اشیایی را انتخاب کنیم که دارای بیشترین ارزش باشند. و محدودیتی که داریم بر روی وزن کل اشیا می باشد زیرا که کوله پشتی تحمل وزن مشخصی را دارد

تعاریف ما به صورت زیر می باشد:

یک بردار وزن به نام W خواهیم داشت که وزن اشیا را در ان وارد میکنیم

یک بردار ارزش به نام V خواهیم داشت که ارزش اشیا را در ان وارد میکنیم

و همچنین یک متغیر W_total داریم که حداکثر وزن قابل قبول را در ان وارد میکنیم

تابع شایستگی نیز به این صورت عمل میکند که ابتدا مجموع وزن اشیای انتخاب شده را محاسبه میکنیم اگر این مجموع کمتر از W_total بود انگاه شایستگی این راه حل برابر است با مجموع ارزش اشیای انتخاب شده . اما اگر مجموع وزن بیشتر از W_total باشد انگاه شایستگی این راه حل را برابر با صفر در نظر میگیریم چون یک راه حل غیر قابل قبول می باشد.

در نهایت ما به دنبال راه حل با بیشترین مقدار شایستگی می باشیم که بیشترین ارزش را به ما میدهد بنابر این دنبال پیدا کردن ماکزیمم می باشیم.

ما در این کار کوله پشتی را با الگوریتم فاخته حل کرده ایم

نوشته حل مسئله کوله پشتی با الگوریتم فاخته اولین بار در برنامه نویسی هوشمند پدیدار شد.