ارایه راهکاری ترکیبی برای دو الگوریتم SFLA CSO

امروزه بشر با مسایل زیادی در زمینه های مختلف بهینه سازی روبرو است که برای رسیدن به جواب آنها الگوریتمهای مختلفی ارایه شده است. یکی از این راهکارها استفاده از هوش جمعی است. الگوریتمهای هوش جمعی از یکسری موجود ساده که به تنهایی قادر به حل مساله نیستند، استفاده میکنند تا با همکاری آنها بهترین جواب در فضای جستجو را بیابند. واضح است که هدف هر کدام از موجودات بالا بردن بازدهی جمعی است. کاربرد الگوریتم های هوش جمعی بر همگان آشکار است. در این مقاله دو الگوریتم هوش جمعی نظیر بهینه سازی حرکت جمعی گربه ها (CSO) الگوریتم قورباغه جهنده (SFLA) مورد بررسی قرار میگیرند. سپس راهکاری ترکیبی برای بهبود همگرایی الگوریتم قورباغه جهنده ارایه می شود. نتایج حاصل از پیادهسازی توابع محک، برتری روش ترکیبی پیشنهادی به نام FLCSO را نسبت به CSO SFLA نشان میدهد.

کلیدواژه ها:

هوش جمعی ، الگوریتم قورباغه جهنده ، الگوریتم حرکت جمعی گربه ها ، بهینه سازی.