الگوریتم کولونی زنبور عسل

صفحه 1:


صفحه 2:
¢ © ها ‎w Bee ay‏ ‎Colony‏ % ‎Algorit‏ ‎hm‏ ‏مق | بل مهندین فاظمه 

صفحه 3:
مقدمه طبیعت منبع الهام و الگو گرفتن برای بسیاری از تحقیقات و پیشرفت های علمی بوده است به عنوان مثال: علاسب!) ) الگوربتم های ژنتیک ‎Ortworke‏ سح( _شبکه های عصبی ‏عهاه,5) جیپ 2۳) سیستم های خودسازمان ده ‏گروهی از این موارد بر اساس رفتار برخی از حشرات مثل مورچه ها و زنبور عسل که رفتار اجتماعی دارند بوده است ‏در زمینه شبکه بر این اساس الگوربتم های قدر تمندی برای کاربردهایی مثل مسیریابی و توزیع بار طراحی شده اند. 

صفحه 4:
مقدمه مدل سازی و طراحی الگوریتم Metaheuristic Algorithm xtra) > Create > Model Refine 2 ‘Simulation گردآورنده و پژوهش گر: مهندس فاطمه صا احمدی Observation 

صفحه 5:
مقدمه الگوریتم کلونی زنبور عسل مانند سایر الگوریتم های هوش ازدحامی مرتبط بر رفتار تصادفی المان های آن است و برای حل مسائل بهینه سازی کاربرد دارد. بسیاری از الگوریتم های هوش ازدحامی با الهام گرفتن از طبیعت ایجاد شده اند مانند الگوریتم کلونی مورچگان,. الگوربتم پرندگان, الگوربتم فاخته و الگوربتم کلونی زنبور عسل یا ۵190۲11010 60۱۵۳۷ ‎Artificial bee‏ که به صورت مخفف 860 ناميده ‎Bee Colony) ogi‏ . (Optimization گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 6:
معد مه در یک کلونی زنبور عسل واقمی یک سری وظایف تخصصی وجود دارد که هر گدام از این وظایف به افراد متخصص همان کار داده ميشود. الگوریتم ۵86 شامل سه نوع زنبور است : زنبورهای کارگر( 87۱۵۱0۵ 6 , زنبورهای اظر با تماشاچی (866 000۱۱00166۲ و زنبور جستجوگر یا پیشاهنگ (866 560۷01 گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 7:
مقدمه نصف کلنی شامل زنبورهای کار است و نعف دیگر آن شامل زبوهای ناظراست. زنبورهای کارگر مس ۱ بهره برداری از منابع شهدی هستند که قبلا کثف شده اند و نیز دادن اطلاعات به سایر زنبورهای منتظر (زنبورهای اظر) در كندو درباره كيفيت مکان مواد غذایی که در حال استخراج آن هستند زنبورهای ناظر در کندو می مانند و مطابق با اطلاعاتی که زنبورهای کارگر به اشتراک گذاشته اند درباره یک منبع غذابى براى بپره برداری شدن تصمصم گیری می کنند. زنبورهای پیشاهنگ یا جستجوگر به صورت تصادفی محیط را براى يافتن يك منبع غذایی جدید پراساس یک انكيزش درونى يا يا فی جستجو می کنند. گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 8:
مقدمه براي هر منبع غذابى , فقط يك زنبور عسل كاركر وجود دارد .به عبارت دير , تعداد زنبورهاي كاركر با تعداد منابع غذابى اطراف كندو با هم برابرائد, زنبور عسل كاركر كه منبع أنها به اتمام رسيده يا ديككر مناسب نيست به زنبورهاي جستجوكر (بيشاهدك) تبديل ميشوند گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 9:
الگوریتم کولنی زنبور عسل بر اساس هوش مصنوعی و رفتار هوشمندانه جمعیت زنبور عسل است .در سال ۲۰۰۵ توسط م0 پیشنهاد شد . تئودور واس به استفاده از هوش جمعی زنبور در توسعه سیستم‌های مصنوعی با هدف ‎Jo‏ مسایل پیچیده در ترافیک و حمل و نقل پیشنهاد داده‌است. تئودور واس همچنین پیشنهاد کرد بهینه سازی متا اکتشافی کلونی زنبور عسل (6900) که قادر به حل قطعی مسائل ترکیبات, و همچنین مسائل ترکیبی با مشخصه عدم قطعیت است. این الگوربتم شبیه سازی رفتار جستجوی غذای گروه های زنبور گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 10:
هوش جمعی ۴ هوش جمعی زیر شاخه ای از هوش مصنوعی است که بر پایه ی رفتار سیستمهای غیر متمرکز و خود سازمانده بنا شده است. ۶ استفاده از هوش جمعی در حل مسائل لاکلونی مورچه ها كلونى زنبور عسل و... ویژگی های هوش جمعی لساخود سازمانده لاتقسیم کار(افراد برای رسیدن به یک هدف نهایی همکاری می کنند.) **ايده كرفتن از رفتار زنبورها در حل مسائل گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 11:
وجود ویژگیهای هوش جمعی در زنبورها ساخودسازمانده لادنبال كردن منابع غذایی بهتر توسط زنبورهای بیشتر <ترک منبع غذایی متروک شده Vv زنبورهای ۱ تا ۱۰ روزه #زنبورهای ۱۰ تا ۲۰ روزه <زنبورهای نزدیک به اواخر عمر گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 12:
کلونی زنبورها 2 . . * کلونی (رفتار جمعی) زنبورهای عسل در طبیعت شامل ۳بخش است: لامنابع غذايى <کیفیت منبع غذا آسانی دستیابی فاصله از کندو گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 13:
کلونی زنبورها لسازنبورهای کارگر <با منبع غذایی که در حال حاضر مشغول استخراج شهد از آن می باشند در ارتباطند. <جمع آوری اطلاعات مربوط به فاصله ,جهت .میزان سود بخشی منبع و به اشتراک گذاشتن اطلاعات در کندو لسازنبورهای غير كاركر <زنبورهای تماشا چی : در کندو منتظر دریافت اطلاعات از زنبورهای کارگر مى نند. <زنبورهای پیش آهنگ : محیط را برای یافتن منابع غذایی جدید کاوش می 23 گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 14:
کلونی زنبورها * زنبورهای کارگر: صرفاً با منبع غذایی که در حال حاضر مشغول استخراج شهد از آن میباشند. در ارتباط هستند. به علاوه این زنبورها اطلاعاتی نظیر فاصله. جهت و میزان سودبخشی منبع را با خود حمل میکنند و در کندو این اطلاعات را با دیگران به اشتراک میگذارند. زنبورهای غیرکارگر: همواره به دنبال منابع غذایی جهت استخراج شهد آنان ميباشند. زنبورهای غیرکارگر به دو گروه عمده پیشآهنگان و تماشاگران تقسیم ميشوند. پیشآهنگان محیط پیرامون را برای یافتن منابع غذایی جدید کاوش میکنند و تماشاگران در کندو منتظر میمانند و اطلاعات را از زنبورهای کارگر دریافت 

صفحه 15:
کلونی زنبورها لین الگوریتم نیز مانند سلیر الگوریتم های هوش ازدحامی از دو روش اکتشاف و استخراج استفاده می کند. زنبورهای کارگر وظیفه استخراج و زنبورهای ناظر وظیفه اکتشاف را به عهده دارند. زنبورهای کارگر در اطراف یک منطقه (گل های پیدا شده‌پا منطقه ای که شامل جواب مسئله است) به دنبال جواب بهینه می گردند و زنبورهای ناظر با رفتار تصادفیبه دنبال پیدا کردن مناطق جدید هستند (گل ‎GB‏ ‏جدید) گردآورنده و پژوهش گر: مهندین فاظم 

صفحه 16:
کلونی زنبورها * تنها شرط استفاده از الگوربتم زنبورعسل لین است که برخی اندازهگیری‌های فاصله توپولوژیکی بین راه حل‌ها تعریف انواع زنبور عمل شده‌است. [- زنیور های کارگر gy Salty cla 19352 “b> oe گردآور 

صفحه 17:
زنبور کارگر 

صفحه 18:
کارگر زنبور كاركر توقف استخراج شهد 

صفحه 19:
زتبور دیده بان دريافت اطلامات از كاركران ‎ap ss 0‏ میدن ‎ 

صفحه 20:


صفحه 21:


صفحه 22:
‎ &‏ هب هو و - ‎33° re ‏وه‎ 

صفحه 23:
کلونی زنبورها * در لین روش هرییک از زنبورها سعی میکنندبا تعلمل مستقیم و به اشتراک گذاشتن اطلاعات خود. د راهحلهای بدست آمده تا کنون را بر اساس قسوانین احتمالی انتخضاب نمایند. زنبورها با اعمال تغییرات محلی بر روی راهحله‌ای انتخابی و انتخاب حربصانه تا حدودی از قرارگرفتن در بهینه محلی جلوگیری می- نمایند. همچنین در این روش. با ارسال دورهای زنبورهای پیشآهنگ به منظور جستجوی تصادفی محیط. دامنه جستجوی سراسری افزایش مییابد. 

صفحه 24:
کلونی زنبورها بيك كلونى زنبور عسل حى تولند در مسافت زیادی و نیز در جهت كوناكون يخش شود نا از منلبع غذايى بهره بردارى كند. قطعات گلداربا مقامیر زیادی نکتار و گرده کهبا تلاشى كم قلبل جمع آورى است به وسیله ی تعدادی زنبور بازدید می شود . به طوری که قطعلتی از زمین که گرده يا نکتار کمتری دارد, تعداد کمتری زنبور را جلب می کند. 

صفحه 25:
ارتباط بین زنبورها توسط رقص(چرخشی) ~ ** رقص جرخشى الااطلاعاتى در مورد كيفيت .مكان و موقعيت منبع ساتعداد چرخش : فاصله از منبع الامدت زمان چرخش: کیفیت منبع غذایی تصمیم گیری در مورد انتخاب منبع مناسب با احتمال آن توسط زنبور تماشاگر است. گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 26:
کاربردهای الگوریتم بهینه سازی زنبور عسل در علوم مهندسی آموزش شبکه عصبی برای الگو شناسی زمان بندی کارها برای ماشین‌های تولیدی دسته‌بندی اطلاعات بهینه‌سازی طراحی اجزای مکانیکی بهینه‌سازی چند گانه میزان کردن کنترل کننده‌های منطق فازی برای ربات‌های ورزشکار گردآورنده و پژوهش گر: مهندس فاطمه صالح احمدی 

صفحه 27:
كلونى زنبور عسل از نكاه الكوريتم 1-ارسال زنبور هاى بيشاهنك برای یافتن غذا(تصادنی) --- تبديل زنبور هاى بيشاهنك به كاركر 2-جستجو همسايك هاى اطراف و تعیین مقدار غذای آن ها توسط زنبور ‎gla‏ کارگر 3-ارسال زنبور هاى ناظر به مواضبع غذاپی یافت شده --- ارسال جندين زنبور ناظر به مكان هاى با منبع غذابى بيشار ۳ ته sbi wise ‏كردأورنده و بزوهش کر‎ aol gle 

صفحه 28:
کلوئی زنبور عمسل از نگاد الگوریتم 4-ذخیره بهترین منبع غذابی یافت شده تاکنون 5-جستجو منابع غذابی همسایک ها توسط زنبور های ناظر ق-اگر منبع غذابی بهتر یافت شد؟ بله » آزمایشی انجام نمی شود. خير » تعداد آزمایشات زیاد می شود. 4-منابع غذابى كمء ترک می شوند و زنبور کارگر به طور تصبادق منبع دیگری را انتخاب می کند. تا كر أورده و بزوهش كر مهندس امه ‎aol glee‏ 

صفحه 29:
كلونى زنبور عسل از تكاه الگوریتم 5-اكر شرط بايان برقرار بود؟ بله » الكوريتم بايان مى يابد. خير» بازكشت به مرحله 2 

صفحه 30:
گردآورنده و پژوهش گز:: مهندین فاظمه 

صفحه 31:
اجیای الگوریتم زنبورعسل این الگوریتم از رفتار خوراک جویی زنبورها شکل می گیرد. در ابتدا زنبور هابه طوری تصادفی‌به هر یک از ناحیه ها اختصاص پیدا میکنند و شهد ن ناحیه را شناسایی می ناحیه ها بر اساس میزان شهدبه خوب يا ‎elite side‏ نرمال یا متوسط با506 56166۲ و بد با 0۵۲ تقسیم می شود. 

صفحه 32:
مثلا ۱۶ ناحیه را انتخاب می کنیم تعداد دلخواهی را به ناحبه خوب. متوسط و بد اختصاص می دهیم. ناحیه خوب-۵ ناحیه نرمال-٩‏ You vb به هر خانه تعدادی زنبور اختصاص می دهیم. مثلا به هرخانه از ‎GF oe aol‏ به هر خانه از ناحیه نرمال ۲تا. 

صفحه 33:


صفحه 34:
257 00 ‏ا ا‎ SU Sce ‏الح احمدی‎ 

صفحه 35:
كردآورنده و يزوهش | ۳ 

صفحه 36:
05 ‏بو‎ ‎Sp Op S| Sy Gn Gy 

صفحه 37:
زنبور اضافه اختصاص دادن بعنی جه؟ یعنی به آزای هر زنبور اضافه یک فرصت برای انجام حرکت داده ميشود. حرکت به چه شکل است؟ حرکت در این اختیاری است و میتواند مانند عمل جهش پیوسته در الگوریتم ژنتیک باشد. در صورت برقراری شرط توقف . الگوربتم متوقف میشود در غير ابن صورت به ابتداى حلقه ميرويم. 

صفحه 38:
شبه کد الگوریتم Step 1: Initialize the population of solutions. 6, i= 1,...,5 and evaluate them. Step 2: Produce new solutions for the employed bees, evaluate them and apply the greedy selection process. Step 3: Calculate the probabilities of the current sources with which they are preferred by the onlookers. Step 4: Assign onlooker bees to employed bees according to prob- abilities, produce new solutions and apply the greedy selection process. Step 5: Stop the exploitation process of the sources abandoned by bees and send the scouts in the search area for discovering new food sources, randomly. ‘Step 6: Memorize the best food source found so far. Step 7: If the termination condition is not satisfied, go to step 2, otherwise stop the algorithm. گردآورنده و پژوهش گرا مهندس فاظمه ‎ects‏ 

صفحه 39:
مراحل اجرای الگوریتم مراحل اصلى الكوريتم 8:86 لبتدا بارامترهاى الكوريتم را مقدار دهى ميكنيم مانند تعداد زنبورهاء تعداد زنبورهلى كاركر كه تعداد زنيورها مى باشد و تعداد زنبورهاى ناظر كه برابر با نضف تعداد زنيورها مى باشد 1- مقدار ذهى اوليه به موقعيت هاى متابع غذايى و ارزيابى ميزان شهد آنها 2-هر زنبوركاركر يك متبع غذايى جديد در متبع غذايى خود توليد مى كتد و متيع بهتر را استخراج می كند(انتخاب ‎(eae‏ ij 3 ناظر یک متبع را واسته به کیقیت رله حلش انتخاب می کند و یک متبع غذایی جدید رادر مکان متبع غذایی انتخاب شده تولید می کند و متبع بهتر را استخراح می کند(نتخاب حریصانه) #ستمیین منبعی که باید متروک شود و تخصیص زنبورهای کارگر آن به عتوان پیشاهنگ برای جستجوی منایع غذایی جدید. 5-بخاطر سيردن بهترين متيع غذايى بيدا شده تا كتون. 6-تكرار مرحله هاى 2 -5 تا زمانى كيد أووياو قوقفدمز ةوكر شوددس فاطمه صالح احمدی 

صفحه 40:
| ‘Initial food positions = Caloulate Nectar Amounts 3# employed bees All onlookers distriuted’? Yes ‘Memorize the positon of the best food source 3 Find the abandoned food sourees = Produce new positions for the abandoned food sources ‘Determine neighbors of the chosen food sources by Calculate Nectar Amounts: Calculate Nectar Amounts [Determine a neighbor of the chosen food source by the ‘onlooker 

صفحه 41:
میخواهیم با الگوریتم 6 ۸8 مینیمم تابع 50116۲6 را پیدا کنیم: تابع 5001616 يك تابع شناخته شده و به امطلاح بنچ مارك در مسائل بهینه سازی می باشد و از جمله توابعى هست که برای محک کردن میزان قدرت الگوریتم های تکاملی مورد استفاده قرار میگیرد. فرم رباضی این تلبع بصورت زیر می باشد 

صفحه 42:
تایع بضورت زیر می یاشد: را 

صفحه 43:
انتخاب همسایه به طور تصادفی برای یک راه حل خاص:00۲ 56۱66101610 توضیحات کد: غاز اول الگوریتم مفداردهی بارامترهاى الكوريتم هست ما با کدهای زیر این کار را در کد متلب انجام داده یم پارامترهای ما عبارتند از : تعداد متغیرهای تصمیم‌حد پایین و بالای هر متفیر تصمیم اندازه جمعیت , تعداد تکرار الگوریتم مداد زنبورهاي کارگر تعداد زنبورهای ناظر و حداکثر دفعات تلاش براي بجبود. 

صفحه 44:
هاده میکنیم باك كردن صفحه خروجى ك كردن متغيرهاى موجوددر حافشه ترم افزار بستن ينجرة هاى كرافيكى ميخواهيم بهينه كليم 0 * ones (1,varNum) 7 Cle Clear varNum=2; lowerBoun 

صفحه 45:
شعد اد حد پابین با کسترین مقد ‎ones (1, varNum) ;‏ * 00 حد بالا با بيشترين مقدار مجاز براى تنظيم بارامترهاى الكوريتم 230 ما با همان aM ‏من‎ نعداد منابع غذا يا فمان ‎SourceNum=round(BeeNum/2); :$)LS glejy.3j‏ تعداد زنبورهای ناظر ‏ (386(10070/2) ۲۵50: حد اگثر دفعات مجاز ثلاق برای بهبود یگ راه حل 0; UnlookerNum 

صفحه 46:
مرحله دوم و سوم : ساخت جمعیت اولیه بصورت تصادفی و ارزیابی مقدار شهد آنها مقدار دهی پارامتر ها ۷۰ اقی تولی ابتدا يك سرى منابع غذا را بصورت تصادقی تولید ميكند. و اين كار را به تعداد افراد جمعيت تكرار ميكند يعنى بصورت خلاضه: 1 تاراه خل را بصورت تصادفى ايجاد فيكتد. در كام در اين مرحله ما ابتدا يك ساختار يا لانأ0لا5]1 براى نمايش هر زنبور بصورت زير تعريف ميكنيم: %% Define Function and Solution 

صفحه 47:
نمایش پیشرفت الگوریتم در حین اجرا %plot progress of ABC x=1:maxLoop; plot(x,bestSoFar) 

صفحه 48:
تصوير كد خروجی Figure 1 a 5 3 ‏ها‎ ۵ 315 515 5 ۸2۰5 [5 25 55 AEC Recult For Sphere Function 320) همد eo}! امه Coe امد ‎Bt ana‏ نک( ‎heration‏ ‎ ‎ 

صفحه 49:
F(x 1‘ حال اگر شما میخواهید مسنله دیگری را با این الگوریتم حل کنید » این بخش یعنی تابع شایستگی را با توجه به نیاز خود