شهاب الدین رحمتی زاده - گروه کامپیوتر دانشکده مهندسی برق و کامپیوتر دانشگاه شهید بهشتی
حامد شاه حسینی

در سالهای اخیر الگوریتمهای بهینهسازی با الگو گرفتن از رفتار جرگهcolony)حشرات اجتماعی در طبیعت مطرح شده است. ازمیان آنها میتوان به Ant Colony Optimization (ACO)که برای حل مسائل بهینه سازی دشوار مطرح شده است اشاره نمود. سرچشمه این موضوع، باقی گذاشتن فرومون و دنبال کردن رفتار مورچهها در دنیای واقعی بوده است. از سوی دیگر پژوهشگران با بررسی رفتار زنبورهای عسلدر جمعآوری شهد گلها و مدل کردن آن توانستهاند روشهایی برای حل دشواریهای پیچیده ارائه نمایند. در این مقاله با آمیختن رفتارهای جرگه مورچهها و زنبورها به معرفی الگوریتم هوشمند جدیدی برای راهیابیRouting) در شبکههای رایانهای پرداخته و با یاری شبیهسازیهای انجام گرفته در محیطOMNET++بهبود کارایی آن را در مقایسه با الگوریتمAntNet به نمایش میگذاریم. در روش پیشنهادی توانستهایم با ایجاد تغییراتی در روش بهنگامسازی الگوریتمAntNetبه بهبودهایی، بویژه در نرخ افتادگی بستههای داده (data packets dropped ratioدست یابیم

هوش گروهی، راهیابی بر پایه گماشتههای هوشمند وAntnet