الگوریتم بهینه سازی اجتماع مورچگان بر مبنای گرادیان برای فضا های پیوسته

در این تحقیق یک نسخه جدید از الگوریتم بهینه سازی اجتماع مورچه ها۱ که توانایی جستجو در فضای پیوسته۲ را دارد، ارائه می شود. ساختار و مفاهیم اصلی الگوریتم اولیه بهینه سازی اجتماع مورچه حفظ شده وتعمیم و توسعه آن به فضای پیوسته انجام و پیاده سازی شده است. خاصیت ارتباط غیرمستقیم از طریق محیط (استیگمرجی۳) با تعدادی بردار گرادیان نرمال شده شبیه سازی شد. برای اینکه همه مورچه ها بتوانند محیط را حس کنند، این بردارها توسط یک حافظه مشترک نگهداری می شوند. الگوریتم بهینه سازی پیشنهادی، بر روی توابع خاصی که به عنوان محک۴ در مسائل بهینه سازی فضای پیوسته به کار می روند، امتحان شده است. نتایج به دست آمده از این الگوریتم با نتایج الگوریتمهای تکاملی مانند الگوریتم ژنتیکی۵، استراتژی تکاملی۶ و برنامه نویسی تکاملی۷ مقایسه شده و از لحاظ دقت وحجم محاسبات مورد نیاز نتایج حاصل از الگوریتم پیشنهادی به خوبی با الگوریتمهای دیگر قابل رقابت و در بعضی موارد بهتر است.

Keywords:

Ant Colony , Evolutionary , Algorithms , Meta-heuristic , Stochastic , Constraint , اجتماع مورچه , تکاملی , الگوریتمها , فوق اکتشافی , اتفاقی , محدودیت