دليل برتري الگوريتم بهينه سازي فاخته
با سلام
مدتي است كه ايميلهايي با سوال مشابه براي اينجانب ارسال ميشد كه با توجه به افزايش سوالات تكراري، تصميم گرفتم جواب اين سوال رو در تاپيكي مجزا قرار بدم.
سوال مطرح شده به اين صورت بود: دليل برتري الگوريتم بهينه سازي فاخته (COA) نسبت به الگوريتم هاي ديگر چيست كه اين الگوريتم را قادر ميسازد بهتر از بقيه روشها به بهينه سازي بپردازد.
جواب اين سوال به اين شكل مي باشد:
دليل اصلي اينكه COA بهتر از ساير الگوريتمهاي تكاملي عمل ميكند در كاركرد چندگانه عملگرهاي COA، مثل تخمگذاري و مهاجرت مستتر مي باشد.
در ساير الگوريتم هاي بهينه سازي تكاملي با عملگرهايي مواجه مي شويم كه فقط يك هدف خاص را بر عهده دارند. ولي در الگوريتم بهينه سازي فاخته (COA) عملگرهاي تعريف شده بصورت همزمان چندين هدف را تحقق مي بخشند.
براي مثال، خوشه بندي در COA به فاخته ها كمك ميكند تا محيط را بسرعت به چندين بخش تقسيم كرده و بهترين ناحيه را بصورت تخميني مشخص كنند. اين ناحيه به احتمال زياد شامل نقطه بهينه كلي مي باشد. سپس تمام فاخته ها به سم اين ناحيه مهاجرت مي كنند و داخل آن ناحيه را بصورت بهتري جستجو مي نمايند اين امر موجب همگرايي بسيار سريعتر الگوريتم فاخته مي شود.
حال سوالي كه ممكن است مطرح شود اين است كه پس چرا همگرايي زودرس در COA رخ نمي دهد؟
جواب اين سوال در فرايند تخمگذاري فاخته ها پنهان شده است.
برخلاف ساير الگوريتم ها، در در الگوريتم بهينه سازي فاخته (COA)، فاخته هاي مادر تخمهايي را در موقعيت هاي متفاوت قرار مي دهند.
مدل خاص تخمگذاري مورد استفاده در COA دو نقش اساسي در اين الگوريتم بازي مي كند:
1) توزيع تخم ها در اطراف نقطه بهينه فعلي به COA كمك ميكند تا در بهينه محلي گير نكند.
2) خود فرايند تخمگذاري به تنهايي يك فرايند جستجوي محلي است. ساير الگوريتم هاي بهينه سازي از وجود چنين عملگري بي بهره اند و نياز دارند تا با الگوريتم هاي جستجويي مثل Tabu Search و .... تركيب شوند.
ويرايش شده توسط ramin4251; ۰۱-۲۷-۱۳۹۴ در ساعت ۱۰:۰۴ قبل از ظهر
|