بهبود عملکرد الگوریتم بهینه سازی مبتنی بر آموزش به وسیله الگوریتم ژنتیک

الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری یک نمونه از الگوریتم های فراابتکاری با رویکرد دسته جمعی و مبتنی بررفتار یادگیری انسان در گروه و دسته است. در الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری هر فرد که نمرات بهتریکسب نماید نقش مدرس جمعیت را به عهده دارد و سعی می کند نمرات و شایستگی سایر افراد را بهبود دهد. عدم وجودمکانیزم جستجوی سراسری و محلی در این الگوریتم به علت مدلسازی ساده میتواند دقت آن را کاهش داده و الگوریتمرا مستعد گرفتار شدن در بهینه های محلی نماید. در این مقاله یک روش جدید مبتنی بر چندین مدرس و مکانیزم رد افرادغیرشایسته و پذیرش افراد جدید در دوره های آموزشی به کمک مفاهیم الگوریتم ژنتیک ارایه و معرفی شد تا جستجویسراسری و محلی الگوریتم برای یافتن جواب بهینه بهبود داده شود. نتایج پیاده سازی ما بر روی مجموعه ای از توابع ارزیابیدر محیط برنامه نویسی متلب نشان می دهد که میزان خطای محاسبه بهینه سراسری در روش پیشنهادی نسبت به الگوریتمبهینه سازی مبتنی بر آموزش و یادگیری، الگوریتم بهینه سازی ذرات، الگوریتم کرم شبتاب و الگوریتم خفاش کمتر بودهو الگوریتم پیشنهادی نسبت به آنها کمتر در بهینه های محلی گرفتار می شود.

Keywords:

الگوریتم فراابتکاری , الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری , الگوریتم ژنتیک , جستجوی محلی و سراسری