یک الگوریتم جدید کلونی مورچه مبتنی بر جمعیت برای بهینهسازی پیوسته

محدودهی کاربرد بهینه سازی پیوسته بسیار وسیع است. بسیاری از مسائل و پردازشها در دنیای واقعی به شکل مسائل بهینهسازی پیوسته مدل می شود. برای نمونه میتوان مسئله طراحی اشکال بهینه در توربینها، انتخاب مقدار پارامترهای پیوسته مثل دما و فشار در پروسه های صنعتی و آموزش شبکه عصبی برای تشخیص پزشکی را نام برد. الگوریتمهای بهینهسازی کلونی مورچه دستهای ازالگوریتمهای بهینهسازی تکاملی هستند که با موفقیت در حل مسائل بهینهسازی گسسته عمل کردهاند. اخیراً نسخه هایی از بهینهسازی کلونی مورچه برای مواجه با مسائل بهینه سازی پیوسته توسعه داده شده است. در این مقاله یک الگوریتم جدید کلونی مورچه پیوسته به نامPbCACOبرای حل مسائل بهینهسازی پیوسته ارائه میشود که بخوبی نقاط امید به جواب را در مسائل چند قلهای پیدا می کند. برای افزایش دقت، الگوریتم پیشنهادی با یک رویهی جستجوی محلی ترکیب میشود. در انتها با انجام آزمایشاتی کارآیی الگوریتم پیشنهادی مورد بررسی قرار میگیرد.

کلیدواژه ها:

بهینهسازی پیوسته ، الگوریتم کلونیمورچه ، جستجوی محلی