سید ناصرالدین سیادت - دانشگاه آزاد اسلامی، واحد قزوین، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، قزوین، ایران
بهروز معصومی - دانشگاه آزاد اسلامی، واحد قزوین، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، قزوین، ایران

بهینه سازی بدین مفهوم است که در بین پارامترهای یک تابع، به دنبال مقادیری باشیم که مقدار تابع را بیشینه یا کمینه می کند. کلیه مقادیر مناسب جهت این امر را، راه حل های ممکن و بهترین مقدار از این مقادیر را، راه حل بهینه می نامند. از الگوریتم های مبتنی بر هوش جمعی می توان برای حل مسائل پیچیده بهینه سازی بهره برد. تاکنون الگوریتم های مختلفی در این زمینه ارائه شده که الگوریتم جهش قورباغه، گونه ای از این الگوریتم ها می باشد. الگوریتم جهش ترکیبی قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک فرا مکاشفه ای است. این الگوریتم در سال 2003 توسط یوسف و لنزی ایجاد شد. الگوریتم SFLA از نحوه ی جستجوی غذای گروه های قورباغه سرچشمه می گیرد. الگوریتم جهش ترکیبی قورباغه، یک الگوریتم بهینه سازی مبتنی بر کولونی است. SFLA قابلیت بالایی برای جستجوی سراسری دارد و می تواند بسیاری از مسائل غیرخطی، غیرقابل تشخیص چند حالته را حل کند. اما این الگوریتم دارای نقاط ضعفی از جمله گیر افتادن در بهینه محلی و عدم توانایی بر هم زدن بین جستجوی محلی و سراسری است. در این مقاله نسخه بهبود یافته ای از SFLA ارائه گردیده است که شامل ترکیب این الگوریتم با سیستم های چند عامله می باشد.

الگوریتم های مبتنی بر هوش جمعی، الگوریتم جهش قورباغه، سیستم های چند عامله، فرا مکاشفه ای