نوع فایل: word
قابل ویرایش 141صفحه
مقدمه:
در انجمن ها وجوامع علمی روش هایی برای حل مسائل بهینه سازی پیچیده با کمک کلونی های طبیعی یشنهاد شده است.
این پیشنهادها اغلب به دلیل کارآمد نبودن بکارگیری الگوریتم های بهینه سازی کلاسیک در حل مقیاس های بزرگ ترکیبی و یا مسائل غیر خطی است.یکی از مشخصات اصلی الگوریتم های بهینه سازی کلاسیک انعطاف ناپذیر بودنشان در برابرمطابقت دادن راه حل های الگوریتم برای یک مسأله ی معین است.به طور کلی یک مسأله ی معین مدلی می دهد که الگوریتم های کلاسیک مثل الگوریتم های simplex عمل کند.
به طور کلی بایست مفروضاتی در نظر گرفته شود که توانایی اعتبار بخشیدن به وضعیت های مختلف را نداشته باشد.بنابرین الگوریتم های همه منظوره ی انعطاف پذیروانطباق پذیر نیاز خواهیم داشت.سازکار کردن این الگوریتم هابا مدل یک مسأله ی معین و رساندن به واقعیت باید آسان باشد.مبنی بر این انگیزه الگوریتم های ملهم طبیعت مثل الگوریتم های ژنتیک در طبیعت رشد یافتند.الگوریتم های ملهم در مقایسه با الگوریتم های کلاسیکال می توانند راه حل های بهتری را ارائه دهند.یک شاخه از الگوریتم های ملهم طبیعت که در رفتار حشرات متمرکز شده است به عنوان هوش جمعی شناخته می شود. (ABC) Artificial bee colonyنسبتاًیک عضو جدید از هوش جمعی زنبور عسل است.
ABC رفتار طبیعی زنبوران عسل را در بدست آوردن غذا مورد آزمایش و محک قرار می دهد.زنبور عسل از مکانیزم هایی چون(waggle dance) رقص جلو و عقب استفاده می کند تا به صورت مطلوب منابع غذایی را مشخص کرده و سپس منبع های غذایی جدید کشف نشده را جستجو می کند.(waggle dance) حرکت رقص گونه، زنبوران عسل را به عنوان یک نامزد برای توسعه ی الگوریتم های intelligent search ساخته است.
درانجمن هاواجتماع های علمی روش هایی برای حل مسائل بهینه سازی پیچیده باکمک کلونی های طبیعی یشنهادشده است.
این بیشتربه سبب ناکارآمدی الگوریتم های بهینه سازی و کلاسیکال درحل مقیاس های بزرگ ترکیبی ویا مسائل غیر خطی است.
یکی ازمشخصات اصلی الگوریتم های بهینه سازی کلاسیکال انعطاف ناپذیربودنشان دربرابرمطابقت دادن راه حل های الگوریتم به صرفه ی سودمندانه ی یک مسأله ی معین است.
به طورکلی یک مسأله ی معین مدلی می دهدکه الگوریتم های کلاسیکال مثل الگوریتم های simplex عمل کند.
به طورکلی بایست مفروضاتی در نظر گرفته شودکه توانایی اعتباربخشیدن به وضعیت های مختلف رانداشته باشد.
بنابرین الگوریتم های همه منظوره ی انعطاف پذیروانطباق پذیرنیازخواهیم داشت.
سازکارکردن این الگوریتم هابامدل یک مسأله ی معین و رساندن به واقعیت بایدآسان باشد.
مبنی براین انگیزه الگوریتم های ملهم طبیعت مثل الگوریتم های ژنتیک درطبیعت رشدیافتند.
الگوریتم های ملهم درمقایسه باالگوریتم های کلاسیکال می توانندراه حل های بهتری راارائه دهند.
یک شاخه ازالگوریتم های ملهم طبیعت که دررفتارحشرات متمرکز شده است به عنوان هوش جمعی شناخته می شود. (ABC) Artificial bee colonyنسبتاًیک عضو جدیدازهوش جمعی زنبورعسل است.
ABC))رفتارطبیعی زنبوران عسل رادربدست آوردن غذامورد آزمایش و محک قرارمی دهد.
زنبورعسل ازمکانیزم هایی چون(waggle dance) رقص جلو و عقب استفاده می کند تابه صورت مطلوب منابع غذایی را مشخص کرده وسپس منبع های غذایی جدید کشف نشده را جستجو می کند.
(waggle dance)حرکت رقص گونه ی جلو وعقب،زنبوران عسل را به عنوان یک نامزدبرای توسعه ی الگوریتم های intelligent search ساخته است.
فهرست مطالب:
مقدمه
فصل اول:عملکردالگوریتم زنبورهای مصنوعی
ناکارآمدی الگوریتم های کلاسیکال
هوش جمعی
رقص زنبورعسل
فصل دوم:بررسی الگوریتم های زنبورعسل
رفتارزنبورعسل درطبیعت
مولفه های ضروری زنبورعسل
کاوشگرباتجربه
فصل سوم:بررسی ورده بندی سیستمهای زنبورعسل
طبقه بندی کاراکتر های زنبورعسل
گام های الگوریتمABC
زنبور کارگر
دیده ورها
نگهبان ها
گام های الگوریتم VBA
گام های الگوریتم Bees
فصل چهارم:بکارگیری الگوریتم برای حل مسائل
الگوریتم TSP
الگوریتم BCO
الگوریتم Bee Hive
Job shop scheduling
BSO
کاربردهای الگوریتم زنبور عسل
اعضای کلونی
الگوریتم MBO
الگوریتم HMBO
کاربردهایHMBO
الگوریتمqueen-bee evolution
Crossover
فصل پنجم:مسائل GAPوالگوریتم های زنبورعسل
الگوریتم GAP
مراحل الگوریتمABC
گام های الگوریتم ABC
مراحل اجرای الگوریتم GRAH
فصل ششم:neighbourd structure
Shift neighbourd
گام های Shift neighbourd
Long chain neighbourd
طرزکار Long chain neighbourd
فصل هفتم:بررسی های محاسباتی الگوریتم
مسائل آزمایشی ABC
مراحل علمی مسئله
پارامترهایGAP
میانگین مقادیر بهینه ی GAP
فصل هشتم:The Bee Algorithm
SOAS
الگوریتم های SOAS
The Bees Algorithm
پارامترهای الگوریتم
آزمایشات
کارایی الگوریتم Bees
فصل نهم:Bee Colony Optimization
Job shop scheduling
کارایی Job shop scheduling
Honey Bee Colony
گرافdisjunctive
کاراکترهای کلونی
Waggle dance72
چارچوب الگوریتمی
جزئیات پیاده سازی
عملیات آزمایشی
الگوریتم های benchmark78
نتیجه گیری
منابع
فهرست اشکال و جداول:
فصل1:
رقص زنبورعسل(شکل1-1)
زنبوران پیرو(شکل1-2)
فصل دوم:
زنبور کاوشگر(شکل2-1)
فصل سوم:
پژوهش ها(جدول3-1)
فصل پنجم:
فرمول کلی الگوریتمGAP(شکل5-1)
مراحل اجرایی الگوریتمABC(جدول5-1)
گام های عملی الگوریتمABC(جدول5-2)
مراحل اجرایی الگوریتمGRAH(جدول5-3)
فصل ششم:
ساختارهمسایگی(جدول6-1)
مثالی ازهمسایگی(شکل6-1)
طرزکارlong chair neighbourd(جدول6-2)
طرزکارlong chair neighbourd (شکل6-2)
مثالی ازlong chair neighbourd(شکل6-3)
فصل هفتم:
Anlooker neighboured (شکل7-1)
طرزکار anlooker neighboured (جدول7-1)
طرزکار anlooker neighboured (جدول7-2)
پارامترهای anlooker neighboured (جدول7-3)
انحراف میانگین anlooker neighboured(جدول7-4)
فصل هشتم:
شبه کدالگوریتمBees (شکل8-1)
کمینه سازی الگوریتم(شکل8-2)
عملکردالگوریتم(شکل8-3)
نمایش دوبعدی الگوریتم(شکل8-4)
مقادیرونکات الگوریتم(شکل8-5)
کارایی وبهینگی الگوریتم(جدول8-1)
نتایج اجرایی(جدول8-2)
پارامترهای الگوریتم(جدول8-3)
فصل نهم:
یک راه حل عملی(شکل9-1و9-2)
گان چارت الگوریتم(شکل9-3)
نرخ سوددهی(جدول9-1)
الگوریتم زمان بندی(شکل9-4)
نتایج اجرایی(جدول9-3)
پارامترهای اجرایی(جدول9-2)
پروژه الگوریتم های کلونی زنبور عسل و بکارگیری آنها در حل مسائل بهینه سازی. doc
