خلاصة:
امروزه استفاده از روش های فرا ابتکاری برای دست یابی به پاسخ های رضایتبخش در بهینه یابی ترکیبیاتی رشد چشمگیری یافته است. به دلیل نزدیک شدن مسائل به شرایط موجود در دنیای واقعی و در نتیجه افزایش پیچیدگی مسائل و ناتوانی روش های ریاضی فعلی برای ارائه نقطه بهینه با صرف معقول منابع، این اقبال تشدید شده است. توسعه روش های فرا ابتکاری معمولا با بررسی نحوه بهینه-یابی در طبیعت و الهام گرفتن از آن صورت می گیرد که از جمله می توان به الگوریتم ژنتیک، الگوریتم مورچگان و شبیه سازی تبرید اشاره کرد. الگوریتم پیشنهادی این مقاله، با بررسی رفتار جالب توجه دو تابع (xCos(x و tanh(x) در حلقه های تکرار، توسعه یافته است و روشی برای یافتن همسایگی در توابع پیوسته ارائه می دهد که نسبت به الگوریتم بهینه یابی شبیه سازی تبرید و الگوریتم شبیه سازی تبرید مبتنی بر تئوری ابر، عملکرد بهتری از نظر دقت و سرعت دارد. برتری الگوریتم پیشنهادی به دو الگوریتم یاد شده، با مقایسه عملکرد این الگوریتم ها در یافتن نقطه (نقاط) بهینه هفت تابع پیوسته معروف به اثبات رسید.
ملخص الجهاز:
طراحییک الگوریتم فراابتکاریجدید براساس رفتارتوابع ریاضی(xCos)xو(tanh)x چکیده امروزه استفاده از روش های فرا ابتکاری برای دست یابی به پاسـخ هـای رضـایتبخش در بهینـه یـابی ترکیبیاتی رشد چشمگیری یافته است .
به دلیل نزدیک شدن مسائل به شرایط موجود در دنیـای واقعـی و در نتیجه افزایش پیچیدگی مسائل و ناتوانی روش های ریاضی فعلی برای ارائـه نقطـه بهینـه بـا صـرف معقول منابع ، این اقبال تشدید شده است .
الگوریتم پیشنهادی این مقاله ، با بررسـی رفتـار جالـب توجـه دو تـابع (xCos)x و (tanh)x در حلقه های تکرار، توسعه یافته است و روشی برای یافتن همسایگی در توابع پیوسته ارائه میدهد که نسبت به الگوریتم بهینه یابی شبیه سازی تبرید و الگوریتم شبیه سازی تبرید مبتنی بر تئوری ابر، عملکرد بهتـری از نظر دقت و سرعت دارد.
(رجوع شود به تصویر صفحه) آزمون عملکردالگوریتم برای بررسی عملکرد الگوریتم پیشنهادی، از هفت تابع معروف در بهینه یابی پیوسته اسـتفاده شد.
مقادیر این دو تابع با تغییر x به صورت خطی تغییر نمیکنند و لـذا از آنها برای آزمون توان فرار الگوریتم از افتادن در دام کمینه های محلـی و رهـایی از همگرایـی زودرس استفاده شده است .
بـه خـاطر دشوار بودن یافتن جواب بهینه برای این تابع ، از آن بـرای آزمـون توانـایی الگـوریتم در نزدیـک شدن به بهینه سراسری و پایایی عملکرد آن استفاده شده است .
» فرضیه های فرعی مربوط به کارایی الگوریتم پیشنهادی به شرح زیر است : ١- جواب بهتری برای تابع F١ به دست میدهد.
Computers & Industrial Engineering, 37(1-2), 285-288.
Global Optimization Algorithm: Theory and Application 14.