صفحه 1:
(ia
صفحه 2:
صفحه 3:
صفحه 4:
مکاشفه ای
Geb es
استراتزی هوشمندانه تری را برای
کاوش فضای جستجو ش مى
گيرند. آنها می توانند با استفاده از
دانش خاصی که مسئله در اختیار
الكوريتم هاى غير
الكوريتم ها از رفتار موجودات
اجتماعى الهام مى كيرند. بدين صورت
که با بررسى هوش جمعى و روش های
ارتباطى كه موجودات اجتماعي براى
ریبد آ ماش سل برع که
مولا أبن روش ها به نظم خارق مادم
و باور نکردنی منجر می شوده سعی در
شناخت مکانیزم های جستجو و ارتباطی
أنها مى تمايند.
الكوريتم هاى هوق
on
الكوريتم هلى تكاملى
هم
صفحه 5:
صفحه 6:
عر 1
همه (00(0(0© نوع برند. نیا روش i
ع پرنده موجود در دنیا روش يكساني براي مادر شدن دارند
خا بيدا كردن يك محل امن جهت تخم كذاري و بيرون آمدن جوجه ها
< تنوع لانه ساز 1 7
تنوع ازي و معماري هاي آنها در بين تمام موجودات نظير ندارد
صفحه 7:
5 ۱ 5 دود راز بردسر هرگرنه لته سازي و وظایف والدين رهانيده اند
< پارازیت هاي اولاد متهم لسر
< حدود 0 گرنه قديمي و 3 گونه جدید پارازیت هاي اولادي
دكان قرار مي دهند
كه تخم هاي خود زا در لانه هاي ساير بر
صفحه 8:
searcher bial > رترین پارازیت ارلادي مي باشد که به نوعي يك متخصص در زمينه فريب بي
رحمانه مي باشد
< استراتژي این پرنده شامل حفیه كاري» شگفت زده کردن و سرعت عمل است
صفحه 9:
خفاحته هاي ملاء بر تولید تخم هايي شبیه تخمهاي پرنده میزبان بسیار مهارت و تخصص دارند
در این بین هستند بر ندگاني که تخمهاي فاخته ها را در لانه هاي خود تشخیص میدهند و حتي بعضا
تخمهاي فاخته را از لآنه بيرون برت مي كنند
صفحه 10:
< جوجه هاي فاخته زودتر از تخمهاي پرنده میزبان از تخم بیرون مي آیند و زودتر هم رشد مي کنند
۶ اکثر موارد جوجه ي فاخته به صورت غریزی تخمها پرنده میزبان را از لانه بیرون مي اندلزند.
صفحه 11:
صفحه 12:
/ زر تسگذاري جلب en
نويد يك الكوريتم
بهنيه سازي خوب و قابل را در طبيعت وحشي مي داد.
۶ يكي از جدید ترین و قویترین رو
باشد
۶ توسط زین شی یانگ و سوآش دب در سال ۲۰۰۹ طراحی
کردند.
صفحه 13:
= ها ساب الكو ريتمهاي تكاملي (00(0)هم با يك جمعيت اوليه کار خود را شروع مي کند جمعیتی
متشکل از فاخته ها,
۶ موفستي که در آن بشتر ین تعداد تخمها نجات یایند پارامتري خواهد بود که 6009 قصد بهینه سازي
آنرا دارد.
۲ بهترین منطقه سکونت تمام گروه ها مقصد بعدي فاخته ها در سایر گروه ها خواهد بود
سپس فاختهها شروع به تخمگذاری تصادفی در لاتههایی داخل شعا
ری كك ِ
صفحه 14:
ا براي حل يك مساله بهينه سازي لازم اسث تا مقادير_متغير هاي مساله بفرم يك آرايه شكل گیرند
در 009 به اين آرايه اووبلوملبا "محل سكونت" مي كوييم.
Habitat = [x1,x2,...,xNvar]
۶ میزان مناسب بودن (یا مقدار سود) در «وبلمبافعلي با ارزيابي تابع سود در «ولمباینست ميآید. پس:
Profit = fp(habitat) = fp(x1,x2,...,xNvar)
< همانطور که دیده مي شود (0()()الگوريئمي است که تابع سود را ماکزیمم مي کند. براي استفاده از
)يراي حل مسایل کمینه سازي كافي است يك علامت منفي در تابع هزینه ضرب کنیم.
صفحه 15:
2100 Pen UP MON PES
5
صفحه 16:
صفحه 17:
صفحه 18:
1
00000 Cpr Pepe eben ower}
صفحه 19:
صفحه 20:
1 ۱/۳ 0
و
1
۳
Man
Aa
صفحه 21:
صفحه 22:
صفحه 23:
0
in
صفحه 24:
صفحه 25:
|
و
صفحه 26:
صفحه 27:
و نيز حدائل و حداكثر كخمها اختصاص دهيد:
ReaD, ]] + Dia Duvber of Bag
صفحه 28:
حال هر فاخته به طور تصادفی در محدوده شعاع خوا
نماید. علاوه بر آن جوجم/03 هر تخم نیز ارزیابی میگردد.
| Fitness Function
F(x) =02+37=9
F(x) = 2.9? + 3.8? = 22.85
F(x) = 324+12=10
F(x) =3?+02=9
F(x) = 42 + 22= 20
F(x) = 0? +07= 0
Eggs Position
Egg 1: (0,3)
Egg 2: (2.9, 3.8)
Egg 3: (3,1)
Egg 1: (3,0)
Egg 2:(4,2)
Egg 3: (0,0)
Cuckoos
Cuckoo 1
Cuckoo 2
صفحه 29:
Cuckoos Eggs Positiun Fitness Function
Egg 1: (2,0) F(x)=2+02=4
Egg 2: (1,0.5) F(x) < 12 + 0.52 2 5
Cuckoo 3
Egg 3: (3.2, 2) F(x) = 3.22 + 2? = 14.24
Ege 4: (4, 1.5) F(x) = 4? + 1.5? = 18,25
صفحه 30:
30
صفحه 31:
31
5
FOO
۱
۴00 2 12125
۴0( > 25
۴00 2 5
25 - رباع
itor
- (4, 1.5)] = (3.45,
صفحه 32:
صفحه 33:
صفحه 34:
صفحه 35:
es سای بر معدوده شعاح خود با توجه به حدود
تخمگذاری می نماید, علاوه بر آن عیسو هر تخم نیز ارزیابی می گرا
Fitness Function
F(x) = 3.32 +32 = 19.89
F(x) = 2.87 + 3.1? = 17.45
F(x) = +4? = 16
F(x) = 22+ 3.7? = 17.69
F(x) = 2.52 +3? = 15,25
F(x) = 12 +42 2 7
F(x) = 1.8? + 3.7? = 16.93
F(x) = 3.252 + 2? = 14,5625
F(x) = 12 +22 =
F(x) = 1.52 + 0.2? = 2.29
ه متغير فاى مسئله» شروع به
Eggs Position
Egg 1: (3.3, 3)
Egg 2: (2.8, 3.1)
Egg 1:(0,4)
Ege 2:(2,3.7)
Egg 3: (2.5, 3)
Egg1:(1,4)
Egg 2: (1.8, 3.7)
Egg 1: (3.25, 2)
Egg2:(1, 1)
Egg 3: (1.5, 0.2)
Cuckoos
Cuckoo 1
Cuckoo 2
Cuckoo 3
Cuckoo 4
صفحه 36:
Fitness Function
F(x) = 0? + 0.5?=0.5
F(x) = 2? +27=8
F(x) = 32 + 42= 25
F(x) = 3.5? + 4? = 28,25
F(x) = 1? + 0.22 = 1.04
F(x) = 3? +4?=25
Eggs Position
Egg 1: (0, 0.5)
Egg 2: (2,2)
Egg 3: (3,4)
Egg 4: (3.5, 4)
Egg 1:(1,0.2)
Egg 2: (3,4)
Cuckoos
Cuckoo 5
Cuckoo 6
صفحه 37:
ب 5 ۱ ینک دز هر مرحله حداکثر 0 فاخته ميتوانند زنده باشند» بنابراين از این 0) جواب 6 جواب از بدترین ها
حذف مي شوند:
Profi Orvtr = [09.09 , 1.20, ۵:8 , 69 , 6,68 , 56[
مقادیر تابع هدف و نقطه سراسری را بروز نمایید:
{Dox Probie 20.89
,Oodl Pori= F (2.9, 9.E) = 228.09
Bbbel Best Owkon= Bod Pomai= CO.09 |
{bbl Dox Probie Dax Profi= 20.09
بررسی شرط توقف:
(©5 66,965 لمن © ك ©) ,رجه مدص > Dox Ter ord Dax Prob ک مسا 1۳
چون شرط توقف برقرار است متوقف مي شویم و جراب بهینه براب ر 96.9 با مختصات (9.9, *6) است.
صفحه 38:
بهينه عاجزند ۱
00 a
<توجه كردد كه در تمام روشها تعداد جمعيت روى
38
صفحه 39:
صفحه 40:
صفحه 41:
صفحه 42:
OA ا
صفحه 43:
< اينكه ادعا كنيم يك الكوريتم بهينهسازى بهترين روش حل براى مسائل بیینهسازی است چندان صحیح نیست.
جزا كه هر ساله الكو ريتمهاى جديدترى با يوشاندن نقاط ضعف روشهای قبلی پا به عرصه ظهور میگذارند.
< نکتهای که در این بین وجود دارد این است که برخی از روشها همانند مدلهای واقعی شان در طبیعت به کندی
دچار تکامل میشوند و معادلهای برنامهنویسی شده آنها هم برای رسیدن به جواب بهینه باید تعداد تکرارهای اين
الگوریتمها را هم زیاد در نظر گرفت,
> آنچه در عمل دبده میشود این است که تعدادی از الگوریتمها ذاتاً سریعتر از بقیه عمل میکنند اين مساله در مورد
الگوریتم0(09() هم صادق است
صفحه 44:
صفحه 45:
صفحه 46:
صفحه 47:
fren’ =) OOP ن در
گنه
ی
صفحه 48:
صفحه 49:
الگوربتم بهینه سازی فاخته اصلاح شده
max iter
3
c¢ is the constant, which is selected between! (0.20) and
max iter is the maximum number of iterations, Let
ع م Vary, — Vary
@ = [iteration/t]|+ 1
White] | means the inteser pair ot the tinier side ir
Tie © is wodified ji evel, ل ل
equation
Colle
ie =
صفحه 50:
صفحه 51:
صفحه 52:
هام
