مقایسه عملکرد الگوریتم ژنتیک و یادگیری جامع جایا در بهینه سازی خرپاها با متغیرهای گسسته

در این تحقیق ، یک مقایسه عملکرد بین الگوریتم های ژنتیک و یادگیری جامع جایا در حل مسائل بهینه سازی خرپاها انجام شده است . الگوریتم یادگیری جامع جایا، یک نسخه بهبود یافته از الگوریتم جایا است که از سه رویکرد متفاوت برای به روزرسانی جمعیت استفاده می کند. برای مقایسه عملکرد الگوریتم ها، از چهار معیار میانگین نتایج ، انحراف معیار نتایج ، میانگین تعداد فراخونی تابع هدف، و بهترین پاسخ استفاده شده است . سه مثال عددی که شامل خرپای ۱۰ عضوی، خرپای ۲۵ عضوی، و خرپای ۱۶۰ عضوی مورد بررسی قرار گرفته اند. در خرپای ۱۰ عضوی در معیار بهترین پاسخ ، هر دو الگوریتم یکسان عمل کرده اند. الگوریتم یادگیری جامع جایا در معیار میانگین و انحراف معیار نتایج و میانگین تعداد فراخوانی تابع هدف، بهتر از الگوریتم ژنتیک عمل کرده است . در خرپای ۲۵ عضوی، در معیار بهترین پاسخ و میانگین نتایج هر دو الگوریتم تقریبا یکسان عمل کرده اند. الگوریتم یادگیری جامع جایا در معیارهای انحراف معیار و میانگین تعداد فراخوانی تابع هدف، بهتر از الگوریتم ژنتیک عمل کرده است . در خرپای ۱۶۰ عضوی الگوریتم یادگیری جایا در هر چهار معیار بهتر از الگوریتم ژنتیک عمل کرده است .

Keywords:

الگوریتم های فراابتکاری , الگوریتم ژنتیک , الگوریتم یادگیری جامع جایا , متغیرهای گسسته , بهینه سازی