توسعه ی الگوریتم بهینه سازی ازدحام ذرات چندهدفه گسسته( DMOPSO) برای مسئله فروشنده دوره گرد: یک رویکرد مقایسه ای با الگوریتم NSGA-II

در این مطالعه به حل مسئله فروشنده دوره گرد ) TSP ( با استفاده از الگوریتم های بهینه سازی انبوه ذرات چندهدفه تعمیم یافته ) DMOPSO ( و الگوریتم ژنتیک مرتبسازی نامغلوب ) NSGA-II ( پرداخته میشود. مسئله فروشنده دوره گرد به طور ذاتی یک مسئله گسسته میباشد. الگوریتم MOPSO نیز یک الگوریتم، برای حل مسائل چندهدفه ی پیوسته است. از این رو برای حل مسئله ی گسسته ی TSP از توسعه الگوریتم بهینه سازی انبوه ذرات چندهدفه ) DMOPSO ( استفاده شده است. در الگوریتم پیشنهادی به جای استفاده از بردار سرعت تصادفی، از موقعیت قبلی ذره استفاده میشود و بردار سرعت تصادفی حذف میشود. همچنین به جای ضرایب مربوط به حرکتهای اینرسی، gbest و pbest ، از مقادیر اعداد صحیح استفاده میشود. برای مسئله فروشنده دوره گرد، دو تابع هدف طول مسیر و ترافیک مسیر در نظر گرفته شده است که لازم است کمینه شود. نتایج حاصل از الگوریتم ها نشان میدهد که الگوریتم توسعه داده شده نسبت به الگوریتم NSGA-II ، مسیر بهتری را در مدت زمان و تعداد نسل کمتری، یافت میکند. همچنین جبهه های جواب پارتو بدست آمده از الگوریتم DMOPSO ، دارای گسترش بیشتری در فضای اهداف هستند و به نقطه ایده آل نزدیک تر می باشند.

Keywords:

الگوریتم بهینه سازی انبوه ذرات چندهدفه , الگوریتم NSGA-II , فروشنده دوره گرد , بهینه سازی و جبهه جواب پارتو.