الگوریتم بهینه سازی جستجوی گروهی با مکانیزم روش یادگیری از روی تضاد برای بهینه سازی در محیط های پویا

بسیاری از مسایل دنیای واقعی ماهیتی پویا دارند، به این مفهوم که موقعیت و مقدار بهینه سراسری آنها در طول زمان تغییر می کنند. یکی از این مسایل معروف در بهینه سازیمحیط های پویا، مسیله تابع محک قله های متحرک می باشد، که رفتاری شبیه به مسایل پویا در دنیای واقعی را دارد. در واقع یک چالش اصلی در مسایل بهینه سازی دینامیک بحث تنوع پذیری جمعیت است، بسته به تغییرات کم یا شدید محیط، تنوع پذیری مناسب اعضای جمعیت یک الگوریتم تکاملی می تواند راه گشای کشف نقطه بهینه سراسری مسیله تا قبل از تغییر محیط باشد، در این مقاله سعی شده است با تکیه بر نقاط قوت الگوریتم جستجوی گروهی وارایه نسخه دینامیک این الگوریتم نسخه بهبود یافته ی ترکیبی این الگوریتم و همچنین با استفاده از رویکرد یادگیری از روی تضاد ایده ی جدید جهت ایجاد تنوع پذیری اعضای جمعیت در هنگام تغییر محیط ارایه دهیم. و کارآیی الگوریتم جستجوی گروهی را بهبود ببخشیم و از آن برای حل مسایل بهینه سازی حوزه دینامیک استفاده کنیم. که بتواند تعدادی از مسایل بهینه سازی در محیط های دینامیک با کارایی بالاتر را حل نماید.

کلیدواژه ها:

الگوریتم های چند جمعیتی ، الگوریتم جستجوی گروهی ، یادگیری از روی تضاد ، تابع محک قله های متحرک ، محیط های پویا