الگوریتم TLBO – الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری در متلب

الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری (الگوریتم TLBO)

در این بخش پیاده سازی الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری یا TLBO را در نرم افزار MATLAB آماده کرده ایم که در ادامه به معرفی این الگوریتم فرا ابتکاری و پروژه پیاده سازی شده پرداخته و لینک دانلود رایگان آن به همراه فیلم نحوه اجرا و مقاله های مرجع برای الگوریتم قرار داده شده است.

الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری (الگوریتم TLBO)

الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری (Teaching-Learning-Based Optimization – TLBO)، یکی از الگوریتم های بهینه سازی هوشمند یا تکاملی و یا هوش ازدحامی می باشد که در سال ۲۰۱۱ با الهام از فرایند یادگیری و آموزش، ارائه شده است. از مهم ترین ویژگی های الگوریتم TLBO عدم وابستگی به پارامتر ها می باشد، زیرا کمترین تعداد پارامتر ممکن را داراست و از این جهت می تواند یک امتیاز ویژه را به خود اختصاص دهد.

تاریخچه الگوریتم بهینه سازی TLBO

الگوریتم TLBO برای اولین بار در مقاله Teaching-learning-based optimization: A novel method for constrained mechanical design optimization problems توسط Rao , Savsani , Vakharia ارائه شده است که هدف آنها در ابتدا برای حل مسائل طراحی مکانیکی بوده است. اما در سال 2012 همان الگوریتم TLBO در مقاله Teaching-Learning-Based Optimization: An optimization method for continuous non-linear large scale problems مجددا معرفی شده، اما این بار برای کلاس کلی تر از مسائل بهینه سازی ولی در کل خیلی تفاوت زیادی با هم دیگر ندارند و می توان گفت که تنها در حد اپلیکیشن با هم متفاوت هستند. (این دو مقاله مرجع به همراه پروژه برای دانلود قرار داده شده است).

در الگوریتم TLBO یک مدل ریاضی به منظور آموزش و یادگیری مد نظر بوده که در آخر در دو مرحله اجرا می شود و قادر است باعث به بهینه سازی گردد:

• الف) فاز آموزش یا Teaching : در این فاز بهترین عضو جامعه به عنوان معلم انتخاب می گردد و میانگین جمعیت را به سوی خود هدایت می کند. این امر مثل کاری است که به طور واقعی یک معلم انجام می دهد.
• ب) فاز یادگیری یا Learning : در این فاز افراد جمعیت که با هم همکلاسی محسوب می شوند، با همکاری هم اطلاعات و دانش خودشان را گسترش می دهند. این موضوع هم مثل اتفاقی می باشد که به طور واقعی در جمع دوستان و همکلاسی ها صورت می گیرد.

معرفی پروژه

در پروژه حاضر، یک بهینه سازی کلی از الگوریتم TLBO را با تنظیم عملگر های آن انجام می دهیم. همانند دیگر الگوریتم های تکاملی و هوش ازدحامی، می بایست در مرحله اول یک سری تنظیمات و مقداردهی برای عملگر های این الگوریتم صورت گیرد. به همین دلیل، پارامتر ها زیر مقداردهی شده اند:

• تعداد دانش آموزان = 60 نفر
• تعداد متغیر های طراحی شده = 8 مورد
• تعداد نسل ها = 100 مورد
• تعداد دور تکرار = 20 بار

هدف از این پروژه یافتن سه مقدار ذیل می باشد:

• بهترین مقدار مینیمم سراسری = Best Global Min
• بدترین مقدار مینیمم سراسری = Worst Global Min
• میانگین مقدار مینیمم سراسری = Mean Global Min

پس از مقداردهی و کد نویسی، خروجی بعد از 20 دور تکرار جهت پیدا کردن مقدار هدف، به صورت ذیل است که در در پنجره Command متلب نمایش داده می شود:

شکل 2: نتیجه بدست آمده از اجرای الگوریتم