یک نسخه بهبود یافته از الگوریتم بهینه سازی ملخ با استفاده از عملکرد جستجوی وزنی و یادگیری متقابل

الگوریتم های فرا ابتکاری یک نمونه از روش های حل مسائل بهینه سازی در طبیعت بوده که در آنها تلاش می شود تا رفتار جانداران برای بقاء یا رفتارهای فیزیکی در طبیعت را مورد مدل سازی قرار داده و از این رفتارها برای حل مسائل بهینه سازی استفاده نمایند. رفتار دسته جمعی یکی از انواع الگوریتم های فرا ابتکاری بوده و این رفتارها می تواند در جانداران مختلف از جمله حشرات نیز دیده شود و بسیاری از روش های هوش گروهی در واقع از رفتار حشرات الگوبرداری شده است. از جمله حشراتی که می تواند به صورت گروهی زندگی و مهاجرت نماید ملخ ها می باشند. ملخ ها برای یافتن غذا به صورت گروهی پرواز از مهاجرت نموده و گله تلاش خود را بکار می برد تا بتواند نواحی که دارای بیشترین گیاه با غذا است را پیدا نموده و به آن ناحیه مهاجرت نمایند. الگوریتم شبیه سازی ملخ یکی از انواع الگوریتم های گروهی است که از رفتار این حشرات در فرآیند مهاجرت و پرواز الگوبرداری شده است. الگوریتم بهینه سازی ملخ یک الگوریتم فرا ابتکاری با رویکرد گروهی و مبتنی بر جمعیت است که نسبت به الگوریتم های فرا ابتکاری مطرح مانند الگوریتم ژنتیک و الگوریتم بهینه سازی ذرات دارای دقت بیشتری است با این وجود این الگوریتم به کندی به سمت جواب های بهینه همگرا شده و در این پژوهش تلاش می شود تا این الگوریتم با استفاده از روش های مانند وزن دهی اعضای شایسته بهبود داده شود تا با سرعت بیشتری اعضای جمعیت به سمت مقادیر بهینه حرکت نمایند. نتایج پیاده سازی در محیط متلب و بر روی تعدادی از توابع ارزیابی نشان می دهد الگوریتم بهبود یافته ملخ از الگوریتم بهینه سازی ملخ، بهینه سازی وال و بهینه سازی کفتار خطای کمتری در محاسبه بهینه سراسری دارد.

Keywords:

الگوریتم فرا ابتکاری , الگوریتم هوش گروهی , الگوریتم بهینه سازی ملخ , وزن دهی