تقویت الگوریتم بهینه ساز گروه جستجو با استفاده از تنظیم هوشمند پارامتر حداکثر فاصله تعقیب

در این مقاله به معرفی و بهبود یکی از الگوریتم های تکاملی (EA) الهام گرفته از طبیعت می پردازیم. این الگوریتم جدید، بهینه سازگروه جست و جو (GSO) نام دارد که از رفتار جستجوی حیوانات برای پیدا کردن غذا الهام گرفته است. چارچوب استفاده شده در این الگوریتم مدل تولید کننده – برداشت کننده می باشد. به منظور پیاده سازی این مدل، در بهینه سازی گروه جستجو از یک مکانیسم پویش محیط با زوایای مختلف استفاده شده است. الگوریتم بهینه ساز گروه جستجو شامل سه نوع عضو میباشد: عضو تولیدکننده، عضو برداشتکننده و عضو تکاور. در این الگوریتم پارامتر حداکثر فاصله تعقیب رابطه مستقیم با طول قدم برداشته شده توسط عضوهای تولیدکننده دارد. این پارامتر تأثیر مستقیم در قدرت تولیدکنندگی اعضاء تولیدکننده دارد. در این مقاله، به منظور بهبود الگوریتم بهینه ساز گروه جستجو پارامتر حداکثر فاصله تعقیب به صورت تطبیقی تنظیم شده است. رویکرد تطبیقی جدید، با استفاده از نرخ موفقیت جمعیت به عنوان بازخورد، پارامتر حداکثر فاصله تعقیب را تنظیم می کند. با هدف ارزیابی مستقیم بهینه سازی گروه جستجو، این الگوریتم بر روی مجموعه ای غنی از تابع های بهینه سازی که از مسائل دنیای واقعی الهام گرفته اند تست شده است. تابع های محک شامل دو نوع کلی مسائل تک قله ای و چندقله ای می باشند. آزمایشها در دو مقیاس 30 بعد و 300 بعد (ابعاد بالا) انجام شده اند. نتایج آزمایش ها نشان می دهند که مکانیسم پویش محیط الگوریتم بهینه ساز گروه جستجو تابع های محک تک قلهای 30 بعدی را به سادگی، تابع های محک چندقله ای 30 بعدی را با دقت بالا و تابعهای محک 300 بعدی را نیز به سرعت بهینه می سازد.

کلیدواژه ها:

بهینه سازی ، الگوریتم تکاملی ، هوش گروهی ، بهینه ساز گروه جستجو