همگرایی الگوریتم های ممتیک از طریق یکپارچه سازی شبکه عصبی

این پژوهش به تحلیل عمیق الگوریتم های ممتیک در حل مسائل بهینه سازی پیچیده می پردازد. الگوریتم های ممتیک باتکیه بر جستجوی مبتنی بر جمعیت و ارزیابی مکرر تابع هدف، عملکرد مناسبی در شرایطی دارند که محاسبه تابع هدف پرهزینه باشد. یکی از چالش های اصلی آن ها نرخ همگرایی پایین و نیاز به نسل های متعدد برای دستیابی به پاسخ بهینه است. به منظور رفع این محدودیت، الگوریتمی ترکیبی مبتنی بر تلفیق شبکه عصبی و چارچوب ممتیک ارائه شده است. در این روش شبکه عصبی نقش هدایت کننده فرایند جستجو را ایفا کرده و با بهبود دینامیک همگرایی، سرعت رسیدن به پاسخ بهینه را افزایش می دهد. کارایی الگوریتم پیشنهادی با استفاده از مجموعه ای از آزمون های معیار مورد ارزیابی قرار گرفته است. نتایج آزمایش ها حاکی از بهبود چشمگیر در سرعت همگرایی و ارتقا کیفیت پاسخ تا ۸۸ درصد است. این یافته ها نشان می دهد که الگوریتم ترکیبی نه تنها موجب بهبود قابل توجه عملکرد الگوریتم ممتیک می شود، بلکه قابلیت تعمیم و به کارگیری آن در طیف وسیعی از مسائل بهینه سازی نیز وجود دارد.

کلیدواژه ها:

الگوریتم ممتیک ، شبکه عصبی ، بهینه سازی ، ترکیبی