با سلام
از امروز پستي با نام ايده هاي بهبود الگوريتم بهينه سازي فاخته (COA) راه اندازي مي گردد. در اين پست ايده هايي جهت بهبود الگوريتم فاخته ارائه خواهد شد. لازم به ذكر است كه اين ايده ها صرفا در حد ايده خام بوده و قبلا كدنويسي و تست نشده اند. ولي مي تواند الهام بخش علاقه مندان به بهبود جواب هاي الگوريتم باشد. علاقه مندان به الگوريتم فاخته مي توانند بطور آزادانه از اين ايده ها استفاده كنند و اگر جوابهاي بهتر بدست آمد آنرا در مقالات يا پاياننامه هاي خود استفاده نمايند.
اين تاپيك به مرور آپديت شده و ايده هاي جديدتر به آن افزوده خواهد شد.
ايده هاي مطرح شده شايد نياز به بهبود و بررسي بيشتري نسبت به آنچه در اينجا بطور خلاصه گفته مي شود داشته باشند. اين امر را به عهده كاربران علاقه مند هر ايده خواهيم گذاشت. در صورتي كه افراد علاقه مند، ايده ها را كدنويسي كنند و مايل به ارسال كد به سايت باشند حتما با نام خودشان، نتايج حاصله در اختيار ساير كاربران قرار خواهد گرفت.
اولين ايده براي بهبود كارايي COA استفاده از پارامتر حافظه است. بدين معني كه عملگر مهاجرت فقط با در نظر گرفتن نقطه بهينه كلي فعلي، اقدام به تعيين محل جديد تخمگذاري فاخته نكند. بلكه از متوسط حافظه فاخته هاي همسايه هم براي تعيين محل جديد بهره گيري كند. بدين ترتيب براي هر فاخته بايد حافظه اي تعريف كنيم و در هنگام اعمال مهاجرت، درصدي از ميانگين بهترين موقعيت موجود در حافظه فاخته هاي ديگر را نيز در مهاجرت دخالت دهيم. در اجراي اين امر، ميتوان بهترين و بدترين حافظه موجود را كنار گذاشت و از ميانگين بقيه استفاده كرد.
دومين ايده: ثابت نبودن و تغيير تكراري ضرايب موجود در الگوريتم فاخته. در الگوريتم فاخته با ضريبي مثل شعاع تخم گذاري مواجهيم. معمولا بهتر است اين شعاع در ابتدا بزرگ بوده و در طول اجراي برنامه رفته رفته كاهش داشته باشد تا هنگام نزديك شدن به جواب بهينه تخم ها در فضاي كمتري قرار داده شوند و نقطه بهينه كلي بصورت دقيقتري حاصل شود.
براي پياده كردن اين ايده مي توان از رابطه زير استفاده كرد:
ايده سوم: استفاده از روش آشوب (chaos) براي توليد ضريب مهاجرت:
با توجه به تابع لجستيكي موجود در نظريه آشوب مي توان ضريب مهاجرت (Motion Coefficient) را بجاي عددي رندوم يا انتخابي توسط كاربر، با رابطه اي بفرم زير توليد كرد:
در تابع لجستيكي فوق تنها كافيست مقدار اوليه اي غير از 0.25، 0.5 و 0.75 بعنوان مقدار اوليه ضريب مورد نظرمان انتخاب كنيم. چون به ازاي اين 3 مقدار حالت آشوبي رابطه از بين مي رود.
ايده چهارم: تخصيص تخم بر اساس مقدار تابع fitness:
همانطور كه ميدانيم در COA، تعداد تخمهاي اختصاص يافته به هر فاخته مادر بصورت رندوم در بازه 2 تا حداكثر تعداد مشخص شده ي كاربر تعيين مي شود. در اين روش، اين احتمال وجود دارد كه فاخته خوب فعلي تعداد تخمي كمتر از فاخته نامناسب توليد كند. براي جلوگيري از اين احتمال و تخصيص هوشمندانه تر تعداد تخم ها، پيشنهاد مي شود از رابطه اي به فرم زير براي تعيين تعداد تخم هاي مناسب براي هر فاخته استفاده كنيم:
=============================
با سلام خدمت تمام علاقمندان به الگوريتم بهينه سازي فاخته
با توجه به ناپايداري و قطع و وصل هاي مكرر ديتابيس اين سايت، تصميم بر آن شد تا يك كانال تلگرامي، مخصوص الگوريتم COA را براي مواقع ضروري آماده به كار نگه داريم. تا مطالب جديد و بروز را هميشه در جيب خود به همراه داشته باشيد.
مطالب اين سايت و كانال تلگرام همزمان آپديت خواهند شد و انتخاب مراجعه به هر مسير ارتباطي با شما عزيزان خواهد بود.
آدرس كانال بصورت زير ميباشد. در صورت تمايل ميتوانيد اين كانال را Add كنيد.
با سپاس
رامين رجبيون