مروری بر روش های حل مسائل بهینه سازی با رویکرد الگوریتم های فراابتکاری

مسائل بهینه سازی طیف وسیعی از مسائل مهم صنعتی پیرامون ما را تشکیل می دهند. دریک مسئله بهینه سازی فقط یافتن جواب مهم نیست بلکه هزینه راه حل وکارآمدی آن نیز مدرنظر پژوهشگران می باشد. مسائل بهینه سازی کاربردی دارای ابعاد و پیچیدگی بالایی می باشند که در روابط آنها متغیرهای تصمیم گیری متعدد و روابط غیر خطی پیچیده زیادی استفاده شده است. یک مسئله بهینه سازی کاربردی دشوار و پیچیده می باشند و به طور دشوار گفته می شود . روش های مختلفی برای حل مسائل بهینه سازی ارایه شده است که از جمله این روش ها می توان به روش های مبتنی بر گرادیان و محاسبات عددی اشاره نمود کاربرد روش های مانند گرادیان به حل توابعی مشتق پذیر و ساده محدود شده است. و زمانی که شرط پیوستگی ومشتق پذیری توابع وجود نداشته باشد، روش گرادیان غیر قابل استفاده و کاربردی است از طرفی دقت روش های محاسبات عددی علیرغم کاربرد فراوان در حل مسائل بهینه سازی، به انتخاب جواب اولیه مناسب بستگی دارند. در اینگونه روش ها، انتخاب نامناسب جواب های اولیه منجر به گرفتار شدن در بهینه های محلی می شود. ضعف روش های مانند گرادیان ومحاسبات عددی در حل مسائل بهینه سازی منجر به ایجاد نوعی خاصی از الگوریتم های جستجوی هوشمند تحت عنوان الگوریتم های فراابتکاری شده است.الگوریتم های فراابتکاری گونه ای ازروش های تصادفی می باشند که باالهام از طبیعت و سازوکارهای آن سعی می نمایند که جمعیت اولیه خود را به سوی بهینه سراسری گسیل نمایند ودر زمانی منطقی جواب های مناسبی نزدیک به بهینه سراسری را ارایه نمایند. تعدادی از الگوریتم های فراابتکاری بر مبنای هوش دسته جمعی دسته جمعی حیوانات، حشرات، سلولها و غیره عمل می نمایند. دراین دسته از الگوریتم ها هوشمند سیستم، برآیندی از هوشمندی تک تک اجزاء می باشد. دراین پژوهش تعدادی از رویکردهای فراابتکاری برای حل مسائل بهینه سازی معرفی و ارایه می شود.

Keywords:

الگوریتم های فرااکتشافی , الگوریتم فراابتکاری , الگوریتم های هوش گروهی , مسائل بهینه سازی