الگوریتم بهینه ساز جستجوی گروهی (GSO) بهبود یافته در نرم افزار متلب

srgso algorithm in matlab 1603 1 الگوریتم بهینه ساز جستجوی گروهی (GSO) بهبود یافته در نرم افزار متلب

بهبود الگوریتم بهینه ساز جستجوی گروهی (GSO)

در این بخش پیاده سازی الگوریتم بهینه ساز جستجوی گروهی بهبود یافته را با نرم افزار MATLAB به صورت رایگان برای دانلود قرار دادیم که بر اساس مقاله Success Rate Group Search Optimiser انجام شده است. در ادامه به معرفی الگوریتم GSO پرداخته و فیلم و تصویر خروجی این پروژه هوش مصنوعی به همراه لینک دانلود پروژه و مقاله قرار داده شده است.

محاسبات تکاملی (EC)

محاسبات تکاملی (EC) زیر مجموعه ای از هوش محاسباتی می باشند که شامل مسائل بهینه سازی می باشند. الگوریتم های تکاملی (EAS) زیر مجموعه ای از محاسبات تکاملی (EC) است که تکامل در طبیعت باعث به وجود آمدن موجودات مناسب برای محیط می گردد.

الگوریتم های تکاملی (EAS)

الگوریتم های تکاملی سعی بر استفاده از الگوی طبیعت برای تولید موجودات برتر دارند. الگوریتم های تکاملی، مبتنی بر جمعیت می باشند و از دسته الگوریتم های سعی و خطا هستند. الگوریتم های تکاملی همواره سعی داشته اند از رفتار طبیعیِ تکامل الهام بگیرند. الهام از طبیعت مهمترین خصیصه این نوع الگوریتم ها می باشد. چندین الگوریتم تکاملی معروف که پایه روش جستجوی آنها از موجودات زنده الهام گرفته است عبارتنداز: الگوریتم بهینه ساز گروه ذرات (PSO) که از حرکت دسته جمعی پرندگان الهام گرفته است. الگوریتم کلونی مورچه ها (ACO) که از رفتار مورچه ها برای جستجوی غذا میان لانه و غذا برگرفته شده است. الگوریتم کلونی زنبور های مصنوعی (ABC) که برمبنای نحوه جستجوی زنبور ها برای غذا بنا شده است.

الگوریتم بهینه ساز جستجوی گروهی (GSO)

الگوریتم بهینه ساز جستجوی گروهی (GSO) یک الگوریتم تکاملی مبتنی بر جمعیت می باشد که تمرکز روش جستجوی آن بر نحوه جستجوی غذای حیوانات می باشد که موفقیت حیوانات در جستجوی آن به ۳ مورد وابسته است: ۱- رابطه میان در دسترس بودن منابع با توزیع زمانی و مکانی منبع ها در محیط جستجو ۲- توانایی حیوان در مکانیابی منبع های قرار گرفته در محیط ۳- توانایی گونه حیوان در تطبیق با تغییرات کوتاه مدت یا طولانی مدت محیط و بهبود توانایی های کنونی آن. موارد ذکر شده برگرفته از انتخاب طبیعت می باشند.

جمعیتِ الگوریتم بهینه ساز گروه جستجو، گروه نامیده می شود و به هر یک از موجودات عضو گفته می شود. گروه از سه نوع عضو تشکیل شده است: ۱- عضو تولید کننده ۲- عضو برداشت کننده ۳- عضو تکاور

هر عضو استراتژی جستجوی خاص خود را دارد: ۱- عضو تولید کننده به دنبال غذا می گردد ۲- عضو برداشت کننده از منابع پیدا شده توسط دیگران استفاده می کنند ۳- عضو تکاور نیز به صورت تصادفی به دنبال منابع خودش می گردد. رویکرد جستجوی هر سه نوع عضو گروه بهینه ساز گروه جستجو از قدرت بینایی موجودات زنده الهام گرفته است. الگوریتم بهینه ساز جستجوی گروهی دارای پارامترهای مختلفی می باشد که یکی از کلیدی ترین پارامتر های این الگوریتم، پارامتر حداکثر فاصله تعقیب است. این پارامتر تعیین کننده اندازه قدم برداشته شده توسط هر عضو تولید کننده گروه در هر تکرار می باشد. این پارامتر در طول دوره تکامل الگوریتم بهینه ساز گروه جستجو ثابت می باشد.

در مقاله Success Rate Group Search Optimiser روش جدیدی ارائه شده که به بهبود الگوریتم GSO می پردازد و نام روش جدید نیز الگوریتم SRGSO نام گرفته است.

تصویر خروجی پروژه بهبود الگوریتم بهینه ساز جستجوی گروهی

srgso algorithm in matlab 1603 2 الگوریتم بهینه ساز جستجوی گروهی (GSO) بهبود یافته در نرم افزار متلب

شکل ۲: نتایج به دست آمده از اجرای الگوریتم


مشاهده ویدئو در این باره

خوشحال خواهیم شد اگر نظر خودتون رو درباره این مطلب ثبت کنید

خطا!دکمه ریفریش را بزنید