الگوریتم کلونی مورچگان – ACO

تحقیق الگوریتم کلونی مورچگان – ACO

78 صفحه – فایل ورد و قابل چاپ

مقاله الگوریتم | کلونی مورچگان

موضوعات در این مقاله به شرح زیر است :

• چکیده
• مقدمه
• تاریخچه
• الگوریتم کلونی مورچه ها چیست؟
• هوشمندی توده ای
• تفاوت هوشمندی توده ای وهوشمندی اجتماعی
• فصل دوم: مورچه ها چگونه کوتاه‌ ترین مسیر را پیدا می کنند؟
• انواع مختلف الگوریتم بهینه سازی مورچگان
• مزیت های الگوریتم کلونی مورچه
• کاربردهای الگوریتم کلونی مورچه
• جنگ مورچه های اتشین
• فصــل ســـوم: الهام از طبیعت برای پیاده سازی نظامهای اجتماعی
• ساختار نظام تحقیقات حرفه ای در پزشکی نوین
• مزایای تحقق نظام تحقیقات حرفه ای در جامعه
• الهام از طبیعت برای پیاده سازی نظامهای اجتماعی
• فصل چهارم: مورچه ها متخصصان برجسته علم ژنتیک
• مورچه ها متخصصان برجسته علم ژنتیک
• بهینه سازی مسائل ریاضی به روش مورچه ها(ACO)
• فصل پنجم : الهام از کلونی مورچه ها در سیستم های مختلف
• بهینه سازی شبکه های کامپیوتری با الهام از کلونی مورچه ها
• کاربردهای الگوریتم کلونی مورچه ها در سگمنتیشن تصویر
• تقطیع تصویر مبتنی بر MRF با استفاده از سیستم کلونی مورچه
• 5 کاربرد های الگوریتم حرکت دسته جمعی پرندگان در سگمنتیشن تصویر
• 5-1-تقطیع تصاویر داده های سه بعدی با استفاده از الگوریتم بهینه سازی جمعی پرندگان
• فصل ششم: افق آینده، نتیجه گیری
• افق آینده

فصل اول مقاله:

1. الگوریتم کلونی مورچه ها
2. هوشمندی توده ای
3. تفاوت هوشمندی توده ای وهوشمندی اجتماعی
4. بهینه سازی مسائل به ‌وسیله کلونی مورچه
5. استفاده از بهینه سازی کولونی مورچه ها در مسئله فروشنده دوره گرد

++ دیگر مقالات مرتبط ،الگوریتم ژنتیک ++

بسیاری از مسائل دنیای واقعی پویا هستند. برای حل یک مسئله بهینه سازی پویا نیاز به الگوریتمی داریم که علی رغم پیدا کردن بهینه در محیط بتواند بهینه های در حال تغییر را دنبال کند. تاکنون الگوریتم های تکاملی مختلفی برای بهینه سازی در محیط های پویا پیشنهاد شده است.

در یک محیط پویا پس از روی دادن تغییر در محیط الگوریتم نیاز به تنوع کافی جهت جستجوی دوباره محیط دارد. در عین حال استفاده از اطلاعات جستجوهای پیشین رود جستجو راسریع تر می‌ کند.

مشکل اصلی الگوریتم های تکاملی معمول در حل مسائل بهینه سازی پویا همگرایی زود رس و کاهش تنوع جمعیتی در طول زمان است. بنابراین در مواجه با مسائل بهینه سازی پویا نیاز به رویکردهایی است که تنوع را در طول زمان حفظ کنند.

مطرح کننده الگوریتم مارکو دوریگو می باشد که در سال ۱۹۹۱ در قالب رساله دکتری آن را برای حل مسئله دوره گرد با۷۵ شهر عرضه کرد با نام سیستم مورچگان که مدل اولیه الگوریتم است.

تصویری از این تحقیق

۱. تطبیق پذیری : با این الگوریتم می ‌توان مسائل دیگر در بهینه یابی ترکیبی را حل نمود مانند: ACS, MMAS, ANT-Q ,ANT NET

ظهور کرد.فرایند الگوریتم عبارت است از:

۱- تعیین مقدار اولیه برای تابع فرمرومون وتابع ابتکاری

۲- قرار دادن شهر مبدا برای هر مورچه در لیست ممنوعه که حق گذر مجدد به آن برای آن مورچه وجود نداشته باشد

۳- محاسبه تابع احتمال برای انتخاب شهر بعدی برای هر مورچه در هرشهر

۴- تعدیل جمعیت شهرها بابت انتخاب هر مورچه به لیست ممنوعه آن مورچه

۵- افزودن شهر انتخابی هر مورچه به لیست ممنوعه آن مورچه

۶- تعیین بهترین مسیر

۷- بروزرسانی و رفتن به ۳ (اگر پایان تور همه مورچه نیست).

الگوریتم کلونی مورچگان اصلا چیست ؟

مخفف aco در واقع Ant Colony Optimization است

الگوریتم کلونی مورچگان یا در حقیقت «بهینه‌سازی کلونی مورچگان» (Ant Colony Optimization) همانطور که از نام آن مشخص است،

بر پایه رفتار طبیعی کلونی‌های مورچگان و مورچگان کارگر شاغل در آن‌ها بنا نهاده شده است.

فرآیند یافتن منابع غذایی در کلونی مورچگان بسیار بهینه است. زمانی که مورچه‌ها عملیات کاوش برای یافتن منابع غذایی را آغاز می‌کنند،

جمعیت مورچگان به نحوی همیشه قادر هستند تا یک مسیر بهینه را برای تامین منابع غذایی مورد نیاز بیابند. شبیه‌سازی چنین رفتار بهینه‌ای، پایه و اساس بهینه سازی کلونی مورچگان را تشکیل می‌دهد. در این مطلب، الگوریتم کلونی مورچگان به طور کامل تشریح شده است. باید توجه داشت که نام دقیق این الگوریتم، بهینه سازی کلونی مورچگان است که توسط اغلب افراد به آن الگوریتم مورچگان یا الگوریتم کلونی مورچگان گفته می‌شود.