بهبود قابلیت اکتشاف الگوریتم بهینه سازى کفتار با استفاده از جستجوی محلی توزیع شده

الگوریتم های فراابتکاری با الگوبرداری از رفتار دسته جمعی جانداران یا پدیده های فیزیکی یک روش موثر و کاربردی برای حل مسائل بهینه سازی می باشند و میتوانند راه حل های بهینه را با دقت مناسبی استخراج نمایند. الگوریتم بهینه سازی دسته کفتار یکی از روش های هوش گروهی است دارای مکانیزم جستجوی محلی قوی پیرامون عضو شایسته جمعیت است اما این مکانیزم الگوریتم را مستعد گرفتار شدن در بهینه های محلی می نماید زیرا در این الگوریتم بیش از اندازه پیرامون چواب بهینه مورد جستجو قرار گرفته می شود و احتمال دارد بهینه مورد نظر نزدیک بهینه محلی باشد و الگوریتم را مستعد گرفتار شدن در بهینه محلی نماید از این جهت در این پژوهش به شکل خلاقانه ای تلاش شده است که جستجو فقط پیرامون کفتار یا راه حل بهینه انجام نشود و به تناسب وزن و شایستگی افراد پیرامون آنها جستجو انجام شود و از طرفی هر عضو که شایستگی بیشتری دارد تعداد بیشتری کفتار پیرامون خود جذب می نماید و در شعاع مشخصی پیرامون آن به جستجو می پردازند. در واقع روش پیشنهادی امکان جستجوی محلی را در فضای سراسری مسئله فراهم می سازد تا احتمال گرفتار شدن در بهینه محلی کاهش یابد. نتایج آزمایشات بر روی توابع ارزیابی پرکاربرد نشان میدهد دقت الگوریتم پیشنهادی نسبت به الگوریتم بهینه سازی کفتار، الگوریتم بهینه سازی وال، الگوریتم بهینه سازی ذرات، الگوریتم کرم شبتاب و الگوریتم خفاش بیشتر است.

کلیدواژه ها:

الگوریتم بهینه سازی کفتار ، مسائل بهینه سازی ، الگوریتم فراابتکاری ، الگوریتم هوش گروهی