الگوریتم کلونی زنبور مصنوعی، یکی از الگوریتم‌های بهینه‌سازی هوش جمعی است که از آن در اهداف و کاربردهای ایستا به‌صورت وسیعی استفاده می‌شود. بیشتر مسائل موجود در جهان واقعی با ماهیت پویا هستند، بنابراین به الگوریتم‌های بهینه‌سازی نیاز است که بتوانند مسائل را در محیط‌های پویا به‌خوبی حل کنند. مسائل بهینه‌سازی پویا مسائلی هستند که در طول زمان دچار تغییر می‌شوند. در این مقاله یک الگوریتم مبتنی بر کلونی زنبور مصنوعی آشوب‌گونه مبتنی بر حافظه برای مسائل بهینه‌سازی پویا ارائه شده است. یک سیستم آشوب‌گونه پیش‌بینی دقیق‌تری از آینده نسبت به یک سیستم تصادفی دارد. در این روش از حافظه صریح برای ذخیره راه‌حل‌های قدیمی خوب جهت نگهداری تنوع در جمعیت استفاده شده است. استفاده از راه‌حل‌های قدیمی خوب و تنوع در محیط به سرعت هم‌گرایی الگوریتم کمک می‌کند. روش پیشنهادی بر روی مسئله محک قله‌های متحرک آزمایش شده است. مسئله محک قله‌های متحرک، شبیه‌ساز مناسبی برای آزمایش کارایی الگوریتم‌های بهینه‌سازی در محیط‌های پویا است. نتایج آزمایش‌ها بر روی این تابع محک، نشان از کارایی مناسب روش پیشنهادی در مقایسه با سایر روش‌ها در حل مسائل بهینه‌سازی پویا دارد.
کلید واژگان :بهینه‌سازی، الگوریتم کلونی زنبور مصنوعی، محیط‌های پویا، آشوب، حافظه، محک قله‌های متحرک،
ارزش ریالی : 350000 ریال
با پرداخت الکترونیک