ناهید شایگان پور - دانشجوی کارشناسی ارشد کامپیوتر گرایش نرم افزار،دانشگاه آزاد اسلامی و
محمدرضا میبدی - عضو هیات علمی دانشگاه امیرکبیر تهران،دانشکده کامپیوتر

اخیرا بکارگیری هوش دسته جمعی درحل مسائل بهینه یابی پویا افزایش یافته است هوش دسته جمعی عاملها یا دسته های برهم کنش را که قادر به خود سازماندهی هستند مدلسازی می کنند کلونی مورچه ها دسته پرندگان، گله حیوانات، قالب گیری باکتریها و گروه زنبورها مثالهایی از یک سیستم جمعی می باشند عملکرد خوب بهینه یابی گروه زنبورها بروی یک سری از مسائل ایستا ثابت شده است ولیکن بیشتر مسائل دنیای واقعی پویا می باشند به این مفهوم که موقعیت و مقدار بهینه سراسری آنها درطول زمان تغییر می کنند دراین مقاله الگوریتم بهینه یابی کلونی زنبورهای مصنوعی مبتنی برمدل تابع تسهیم برای حل مسائل پویا ارایه گردیده است الگوریتم پیشنهاد شده برای بهینه یابی تابع محک قله های متحرک که رفتاری شبیه به مسائل پویا را دردنیای واقعی دارد درفرکانس های تغییرو با تعداد قله های متفاوت آزمایش شده است نتیجه های آزمایشهای انجام شده با PRSO,mQSO,Adaptive mQSO, Cellular PSO Adaptive Cellular PSO مقایسه شدها ست و نشان میدهد که این الگوریم به کمک مدل تابع تسهیم قابلیت اکتشاف را درکلونی زنبورهای مصنوعی با افزایش تنوع و تضمین بقای اهداف درمحیط های پویا بهبود می بخشد.

هوش دسته جمعی،کلونی زنبورهای مصنوعی،محیط پویا،مدل تابع تسهیم