الگوریتم بهینه سازی کلونی مورچه با مکانیزم جهش و کاربرد آن

الگوریتم بهینه سازی جهش یافته کلونی مورچه MACO توسط معرفی مکانیزم جهش برای الگوریتم Aco ارایه میشود و برای مسئله فروشنده دوره گرد TSP و بطور کلی شناسایی کاربرد آن دراین مقاله به کارگرفته شدها ست الگوریتم بهینه سازی کلونی مورچه ها ACO درحال حاضر با موفقیت دربهینه سازی ترکیبی مورداستفاده قرارگرفته است با این حال باتجمع فرمون ممکن است به یک بهینه کلی دست پیدا نکنیم زیرا میتواند دریک مقدار مینیمم موضعی و درنتیجه یک حالت پایداربدقرارگرفته باشد ارایه الگوریتم MACO میتواند جستجوی محدوده را بیشتر کند و باتغییر تصادفی یک یاچندعنصر ازبهترین راه حل موضعی ازمینیمم شدن موضعی جلوگیری کند که این عملکرد عملیات جهش مانند الگوریتم ژنتیک است پیاده سازی درعملیات جهش ساده است عملکرد الگوریتم MACO تقریبا باهمان پیچیدگی محاسباتی الگوریتم aCO اما برتر است MACO برای TSP و همچنین شناسایی کاربرد آن دراین مقاله به کارگرفته میشود و ازطریق شبیهسازی های کامپیوتری نشان داده شده است که الگوریتم MACO عملکرد بسیاربهتری درحل این دومشکل نسبت به الگوریتم ACOدارد

کلیدواژه ها:

هوش مصنوعی ، بهینه سازی کلونی مورچه ها ، الگوریتم تکاملی جهش یافته ، مسئله فروشنده دوره گرد ، تشخیص چندگانه