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.

الگوریتم بهینه سازی عنکبوت اجتماعی یا social spider algorithm یک الگوریتم بهینه سازی جدید می باشد که در سال 2015 توسط جیمز در مقاله با عنوان

A social spider algorithm for global optimization معرفی شد. در این پست دانلود کد متلب الگوریتم عنکبوت اجتماعی SSA  را در اختیار علاقه مندان قرار داده ایم.

جهت دریافت کد متلب الگوریتم عنکبوت اجتماعی SSA به همراه فایل توضیحات روش و توضیحات کد از بخش زیر اقدام کنید  و بصورت انلاین کد را خریداری و دانلود نمایید

این کد به صورت ساده و به همراه فایل توضیحات کامل کد ارائه شده است

توضیحاتی در مورد الگوریتم عنکبوت اجتماعی :

در SSA، ما فضای جستجوی مسئله بهینه سازی را به عنوان یک وب چند بعدی عنکبوت در نظر میگیریم. هر موقعیت در وب نشان دهنده یک راه حل عملی برای مسئله بهینه سازی می باشد و هر راه حل های عملی برای مسئله بهینه سازی مورد نظر،یک موقعیت در این وب می باشد. وب همچنین به عنوان رسانه انتقال ارتعاشات تولید شده توسط عنکبوت عمل می کند. هر عنکبوت در وب دارای یک موقعیت و یک  کیفیت (یا تناسب Fitness) راه حل بر اساس تابع هدف می باشد، که نشان دهنده  بالقوه یافتن یک منبع غذایی در آن موقعیت می باشد. عنکبوت می تواند آزادانه در وب حرکت کند. با این حال، آنها نمی توانند وب را ترک کنند چونکه موقعیت های خارج از وب راه حل نشدنی برای مسئله بهینه سازی را ارائه میدهند. هنگامی که یک عنکبوت به موقعیت جدیدی حرکت می کند، یک رتعاش تولید  میکند که در سراسر وب منتشر میشود. هر لرزش دارای اطلاعاتی از یک عنکبوت است و دیگر عنکبوت ها می توانید این اطلاعات ارتعاش را دریافت کنند.

روال کار الگوریتم SSA: (دانلود کد متلب الگوریتم عنکبوت اجتماعی SSA)

1) ابتدا پارامترهای الگوریتم مقداردهی میشوند

2) یک جمعیت از عنکبوت ها بصورت تصادفی ایجاد میشود

3) لرزش هدف اولیه هر عنکبوت در موقعیت جاری خود تنظیم می‌شود و شدت لرزش برابر صفر است. سایر ویژگی ‌های ذخیره شده توسط هر عنکبوت با صفر مقداردهی می‌شود.

4) تا زمانی که شرط توقف برقرار نشده است مراحل زیر را برای هر عنکبوت تکرار کن  (مراحل عبارتند از : ارزیابی شایستگی، تولید لرزش، تغییر ماسک، حرکت تصادفی و بررسی محدودیت)

5) ارزیابی شایستگی: برای هر عنکبوت fitness انها محاسبه میشود (spider_fitness)

6) عنکبوتی که کمترین مقدار fitness را دارد بعنوان بهترین عنکبوت ذخیره میکنیم  (g_best و g_best_pos)

7) تولید لرزش:

7-1) فاصله مانهاتان بین هر دوعنکبوت a و b را محاسبه میکنیم (distance) همچنین انحراف معیار استاندارد موقعیت‌ تمام عنکبوت‌ها در هر بعد را محاسبه میکنیم.(base_distance)

7-2) برای هر عنکبوت بر اساس رابطه 1 ، لرزشی تولید میکنیم.(intensity_source)

7-3) بر اساس رابطه 2 برای هر عنکبوت شدت انتشار لرزش را محاسبه میکنیم  (intensity_attenuation)

7-4) هر عنکبوت لرزش های تولید شده توسط سایر عنکبوت ها را دریافت میکند. هر عنکبوت قوی ترین لرزش دریافتی را پیدا میکند  (best_receive)

ان را با لرزش هدفی (target_intensity) که قبلا در حافظه دارد مقایسه میکند.اگر میزان لرزش دریافتی (best_receive) بزرگتر از target_intensity باشد انگاه این لرزش را در حافظه بعنوان لرزش هدف نگهداری میکند یعنی target_intensity را برابر با لرزش دریافتی قرار میدهد و مقدار cs را مساوی صفر میکند. در غیر اینصورت مقدار target_intensity تغییر نمیکند و مقدار cs یک واحد افرایش می بابد

8) تغییر ماسک:

8-1) یک ماسک جدید میسازیم که مقدار هر خانه ان به احتمال pm میتواند مساوی یک باشد.(new_mask)

8-2) هر عنکبوت تصمیم میگیرد که ماسک خود را تغییر دهد یا همان ماسک قبلی را نگه دارد که به احتمال pm به توان cs ماسک خود را حفظ میکند. (keep_mask)

8-3) اگر عنکبوت تصمیم بگیرد که ماسک خود را تغییر دهدمقدار cs ان را صفر میکنیم.

9) حرکت تصادفی به سمت هدف:

9-1) پس از ساخت ماسک بر حسب رابطه 4 یک موقعیت جدید برای هر عنکبوت محاسبه میشود.(follow_position)

9-2) بر حسب رابطه 5 موقعیت هر عنکبوت را بروز میکنیم.

10) بررسی محدودیت:

برای هر عنکبوت ، هر بعد موقعیت ان را چک میکنیم اگر از بازه خارج شده بود ان را طبق رابطه 6 اصلاح میکنیم.

11) به مرحله 4 برو

12) نمایش نتایج

جهت دریافت کد متلب الگوریتم بهینه سازی عنکبوت اجتماعی SSA به همراه فایل توضیحات الگوریتم جهت آموزش و توضیحات کد از بخش زیر اقدام کنید  و بصورت انلاین کد را خریداری و دانلود نمایید

این کد بر اساس روالی که در بالا توضیح داده شد نوشته شده است و به صورت ساده و به همراه فایل توضیحات کامل کد ارائه شده است

جهت دانلود کد متلب الگوریتم عنکبوت اجتماعی SSA  از لینک خرید فوق اقدام فرمایید

نوشته کد متلب الگوریتم عنکبوت اجتماعی SSA اولین بار در برنامه نویسی هوشمند پدیدار شد.

الگوریتم بهینه سازی عنکبوت اجتماعی یا social spider algorithm یک الگوریتم بهینه سازی جدید می باشد که در سال 2015 توسط جیمز در مقاله با عنوان

A social spider algorithm for global optimization معرفی شد.

در دو دهه گذشته، هوش ازدحامی، نوع جدیدی از تکنیک های محاسبات تکاملی، توجه محققان زیادی را جذب کرده است. واژه ازدحام  عبارتی کلی  برای اشاره به هر مجموعه ای از عوامل تعاملی می باشد. هوش ازدحامی به طور عمده روشی برای مدل کردن رفتار اجتماعی حیوانات و حشرات برای حل  مسئله است. محققان الگوریتم های بهینه سازی را با تقلید از رفتار مورچه ها، زنبور عسل، باکتری ها، کرم شب تاب و دیگر موجودات ابداع کرده اند. انگیزه ایجاد این چنین الگوریتم هایی نیازهای رو به رشد به حل مسائل بسیار دشوار و یا حتی غیرقابل حل بوده است.

الگوریتم بهینه سازی عنکبوت اجتماعی SSA

در میان حیوانات معمولا دیده می شود، عنکبوت به یک موضوع تحقیقاتی مهم در مهندسی مصنوعی برای سال های بسیاری بوده است. با این حال، بسیاری از تحقیقات مربوط به عنکبوت در تقلید از الگوی راه رفتن آنها برای طراحی روبات ها، متمرکز بوده است . دلایل احتمالی برای این است که اکثریت عنکبوت ها انفرادی هستند، به این معنی که بیشتر زندگی خود را بدون تعامل با دیگران از گونه خود صرف  می کنند . با این حال، در میان 35 هزار گونه عنکبوت مشاهده شده  و توصیف شده توسط دانشمندان، برخی از گونه های اجتماعی هستند. این عنکبوت ها، به عنوان مثال، gregalis Mallos و civitas Oecobius، بصورت گروه زندگی می کنند و با دیگران در همان گروه در تعامل هستند. بر اساس این  نوع عنکبوت های اجتماعی، این مقاله یک  روش بهینه سازی سراسری برای حل مسائل بهینه سازی فرموله کرده است .

الگوریتم بهینه سازی عنکبوت اجتماعی SSA

رفتار جستجوگرعنکبوت اجتماعی را می توان به عنوان جنبش جمعی  عنکبوت ها به سمت محل منبع غذایی توصیف کرد. عنکبوت ارتعاشات منتشر شده در وب را دریافت و تحلیل میکند برای تعیین جهت بالقوه یک منبع غذایی [12] ما از این رفتار طبیعی برای انجام بهینه سازی در  فضای جستجو به روش SSA استفاده  کرده ایم.

جهت دریافت کد متلب الگوریتم بهینه سازی عنکبوت اجتماعی SSA به همراه فایل توضیحات روش و توضیحات کد از بخش زیر اقدام کنید  و بصورت انلاین کد را خریداری و دانلود نمایید

این کد به صورت ساده و روان نوشته شده است و به همراه آن یک فایل توضیحات ارائه میشود که علاوه بر آموزش الگوریتم بهینه سازی عنکبوت اجتماعی SSA کد های نوشته شده را نیز توضیح میدهد.

نوشته الگوریتم بهینه سازی عنکبوت اجتماعی SSA اولین بار در برنامه نویسی هوشمند پدیدار شد.