الگوریتم قارچ

مقدمه الگوریتمهای هوش گروهی از الگوهای رفتاری موجود در طبیعت برای حل مسائل پیچیده ریاضی و بهینهسازی الهام میگیرند. در حالی که الگوریتمهای مشهوری مانند الگوریتم کلونی مورچگان ( )ACOیا بهینهسازی تجمع ذرات ( )PSOبسیار شناخته شده هستند، الگوریتم قارچی ( )Fungal Algorithmیکی از رویکردهای نوین است که از استراتژیهای بقا، رشد شبکه میسلیوم ( )Myceliumو نحوه توزیع مواد مغذی در شبکههای قارچی الهام گرفته شده است. این الگوریتم بر پایه توانایی قارچها در ایجاد شبکههای پیچیده برای انتقال انرژی و یافتن منابع در محیطهای نامنظم استوار است. مفهوم بیولوژیکی و مدلسازی قارچها از شبکهای از رشتههای ریز به نام میسلیوم تشکیل شدهاند. رفتار آنها در محیط شامل ویژگیهای زیر است که در الگوریتم بازسازی میشوند: • رشد جهتدار: رشد در جهت شیب غلظت مواد مغذی. • تغییر توپولوژی: حذف بخشهای غیربهینه و تقویت مسیرهای غنی از منابع. • ارتباطات شبکه ای: انتقال اطلاعات و انرژی از یک نقطه به نقطه دیگر از طریق شبکه رشتهای. اجزای اصلی الگوریتمدر طراحی یک الگوریتم قارچی برای بهینهسازی، معمولا سه عنصر اصلی تعریف میشود: الف) عاملها در این الگوریتم، هر «رشته قارچی» یا عامل، مسئول جستجوی فضای مسئله است. برخلاف ذرات در PSOکه حرکت مستقل دارند، عاملهای قارچی در اینجا به صورت یک شبکه متصل عمل میکنند. ب) تابع برازندگی در اینجا، تابع هدف همان میزان «مواد مغذی» یا «منبع انرژی» در یک نقطه از فضای جستجو است. هدف الگوریتم، یافتن نقطهای است که بیشترین مقدار را داشته باشد. ج) مکانیسمهای بهروزرسانی الگوریتم از دو فرآیند اصلی برای حرکت استفاده میکند: .1جستجوی اکتشافی: رشد رشتهها به سمت مناطق ناشناخته برای یافتن منابع جدید. .2استخراج بهرهبرداری: تقویت مسیرهای موجود که به منابع غنی ختم میشوند (مشابه تقویت مسیر در مورچگان)

کلیدواژه ها:

مفهوم بیولوژیکی و مدلسازی ، اجزای اصلی الگوریتم ، ریاضیات و نحوه عملکرد ، الگوریتم مرحلهبهمرحله