دسترسی متن کامل – الگوریتم مورچگان[۱] |
مسئله عمومی در این روش یافتن کوتاهترین مسیر بین دو رأس در یک گراف است. در ابتدا هر یال یک مقدار تصادفی به عنوان فرومون اولیه دریافت می کند و در طول اجرای الگوریتم غلظت فرومون[۲] برخی از مسیرها (احتمال پذیرش مسیر) افزایش مییابد به طوریکه مسیرهای بهینه انتخاب شود.
- شبکه های عصبی[۳]
تحقیقات در این زمینه نشان داده است که مغز، اطلاعات را همانند الگوها ذخیره میکند. فرآیند ذخیرهسازی اطلاعات بهصورت الگو و تجزیه و تحلیل آن الگو، اساس روش نوین محاسباتی را تشکیل میدهند. این حوزه از دانش محاسباتی به هیچ وجه از روشهای برنامهنویسی سنتی استفاده نمیکند و بهجای آن از شبکههای بزرگی که بهصورت موازی آرایش شدهاند و تعلیم یافتهاند، بهره میجوید.
- الگوریتم جهش قورباغه[۴]
در این الگوریتم یک جمعیت شامل دستهای قورباغه میباشد. این جمعیت (جواب) به زیرمجموعههایی تقسیم میشود. هر یک از زیر مجموعهها به جستجوی محلی می پردازد. این فرآیند و عمل جستجوی محلی تا زمانی ادامه مییابد که شرط همگرایی برآورده شود.
- الگوریتم زنبور عسل[۵]
در این الگوریتم با دریافت دامنه تغییرات هر یک از متغیرها و تحلیل حالت بیشمار تلفیق دامنهها با یکدیگر، حالت بهینه را بدست میآورد.
- الگوریتم اجتماع پرندگان[۶]
در طراحی روشهای فراابتکاری، دو معیارمتناقض شامل کاوش در فضای جواب و تبعیت از بهترین راهحلهای پیدا شده باید درنظر گرفته شود. این روشها را میتوان برای مسائل ساده با ابعاد بزرگ یا با محدودیتهای زمان واقعی (مسائلی که نیاز به حل در همان زمان دارند) و یک مسئله سخت(Np-hard)، مسائل با توابع هدف یا محدودیتهای پیچیده، مدلهای غیرتحلیلی مسائل بهینهسازی و یا در شرایط غیرقطعی کاربرد دارد (فتاحی، ۱۳۹۰).
- الگوریتم ممتیک
الگوریتم ممتیک گونهای از الگوریتمهای تکاملی است که در آن جستجوهای ابتکاری محلی با الگوریتم ژنتیک ترکیب میشوند تا در زمان کمتر نتایج بهتری به دست آید ( کاتالیو و جیم، ۲۰۰۵ ).
الگوریتمهای ژنتیک برای شناسایی بخش وسیعی از فضای جستجو ایجاد میشوند، در حالی که جستجوی محلی می تواند حوزه نزدیک به هر پاسخ یافته شده توسط الگوریتم ژنتیک را (که به آن همسایگی گفته میشود) برای یافتن پاسخهای بهتر مورد جستجو قرار دهد. این که برای پیادهسازی یک الگوریتم ممتیک و در بخش ژنتیک آن از چه عملگرهایی و یا برای جستجوی محلی از کدام روش استفاده شود، نتایج اجرای بسیار متفاوتی خواهد داشت (جولا و خاتونناصری، ۲۰۰۷).
- رنگآمیزی گراف
هر گراف شامل چندین راس یا گره است که با یک سری یال به یکدیگر متصل هستند. به دو راسی که با یک یال به یکدیگر متصل شده اند راس مجاور یا همسایه گفته میشود. مساله رنگآمیزی گراف( GCP)، به این صورت است که با داشتن گراف G، حداقل تعداد رنگهای لازم برای رنگ آمیزی رئوس گراف را مییابد طوری که هیچ دو راس مجاوری همرنگ نباشند. حداقل تعداد رنگهای لازم برای این کار، عدد رنگی گراف نامیده میشود.
برای تبدیل مسئله جدول زمانبندی میتوان تدریسها را به عنوان گره در گراف در نظر گرفت و در صورتیکه دو تدریس از نظر همزمانی با یکدیگر غیرمجاز باشند بین آن دو گره یک یال رسم کرد. برای رنگآمیزی گراف تشکیل شده، دورههای زمانی به عنوان رنگ در نظر گرفته میشود و به گرهها (تدریسها)، هر کدام یک رنگ (زمان) الصاق میشود، به طوری که هیچ دو گره مجاوری دارای رنگ (بازه زمانی) مشابهی نباشند. رنگهای در نظر گرفته شده برای هر گره بایستی طوری باشد که محدودیتهای سخت را ارضا کند.
[۱] -Ant Colony Algorithm(ACO)
[۲] - Pheromones
[۳] -Neural Network
[۴] -Shuffied Frog Leaping(SFL)
[۵] -Haney Bees Mating Optimization(HBMO)
[۶] -Particle Swarm Optimization(PSO)
فرم در حال بارگذاری ...
[جمعه 1400-02-31] [ 06:04:00 ب.ظ ]
|