کاربرد الگوریتم زنبور در علم مدیریت

الگوریتم زنبور یک الگوریتم فراابتکاری(metaheuristic) الهام گرفته از هوش جمعی در طبیعت است که می تواند در مسائل مربوط به بهینه سازی به نحو مطلوب به کار گرفته شود. در این نوشته بعد از معرفی کوتاه این الگوریتم، مقاله ای را معرفی می کنیم که از این روش در مساله بالانس خطوط مونتاژ دوطرفه استفاده کرده است. خطوط مونتاژ دوطرفه معمولا در کارخانجاتی که به تولید محصولاتی با اندازه بزرگ و در حجم تولید زیاد می پردازند (مانند کارخانجات ساخت اتوبوس و کامیون مطرح) است.

الگوریتمهای گروهی در حل مسایل بهینهسازی چند متغیره بسیار کارآمد هستند. الگوریتم زنبور، ارایه شده توسط فام و همکارانش در سال ۲۰۰۵، الگوریتم گروهی نوظهوری است که از رفتار جستجوی غذای زنبور عسل تقلید میکند.

کلونی زنبور جستجوی غذا را با فرستادن زنبورهای دیدهبان به منظور جستجوی تصادفی منابع غذای امیدبخش آغاز میکند. کلونی برای بهرهبرداری از منابع غذایی میتواند تا مسافتهای طولانی(۱۴کیلومتر) و همزمان در جهتهای مختلف پرواز کنند، با این ترتیب بهرهبرداری از تعداد زیادی منبع غذا تضمین میشود. طی فرآیند جستجوی غذا همواره تعدادی از زنبورهای کلونی به عنوان زنبور دیدهبان در نظر گرفته میشوند. اگر کیفیت شهد جمعآوری شده از یک منبع غذا از آستانه معیاری بالاتر باشد، زنبور دیدهبان آن را در کندو ذخیره میکند و آن منبع غذا را در رقص قرقرهای تبلیغ مینماید. رقص قرقرهای برای ارتباطات کلونی حیاتی است و تمام اطلاعات لازم از بیرون کندو را شامل میشود. زنبورهای کندو منابع غذا را با توجه به اطلاعات به دست آمده از رقصهای قرقرهای در مورد کیفیت آنها انتخاب می کنند. بنابراین، زنبورهای بیشتری، منابع غذای امیدبخش را بازدید می کنند، این امر، به فرآیند جستجوی غذای کارآمد منجر میگردد. اعزام زنبورهای بیشتر به یک منبع غذای امیدبخش تا زمانی که برازش آن منبع غذا از آستانهی معیاری بالاتر باشد، ادامه مییابد.

پارامترهای قابل تنظیم الگوریتم زنبور عبارتند از: تعداد زنبورهای دیدهبان(N)، تعداد منابع غذای منتخب از N منبع غذای بازدید شده(M)، تعداد منابع غذای برگزیده ازM، منبعE ، تعداد زنبورهای اعزام شده به E منبع برگزیده(Nre)، تعداد زنبورهای اعزام شده به سایر(M-E)، منبع منتخب(Nsp)، اندازهی جستجوی همسایگی(ngh)، و معیار توقف. گامهای اصلی الگوریتم به شرح زیر هستند:

۱ جمعیتی اولیه به طور تصادفی تشکیل شود.

الگوریتم زنبور

2 برازش جمعیت محاسبه شود.

۳ تعداد مشخصی از بهترین زنبورها معین و مکان آنها برای جستجوی همسایگی انتخاب شود.

۴ تعداد مشخصی زنبور به مکانهای انتخاب شده فرستاده شوند و برازش آنها محاسبه شود.

۵ بهترین زنبور هر مکان برای تشکیل جمعیت جدید انتخاب شود.

۶ زنبورهای باقی مانده برای جستجوی تصادفی اختصاص داده شوند و برازش آنها محاسبه شود.

۷ اگر شرط توقف برقرار شد، پایان. در غیر این صورت، به گام ۳ برو.

منابع غذای منتخب که برازش بالایی دارند، برای جستجوی همسایگی در گام ۳ انتخاب میشوند. جستجوی همسایگی منابع منتخب در گامهای ۴ و ۵ انجام میشود . همسایگی E منبع برگزیده با دقت بیشتری نسبت به سایر منابع جستجو می شود، به این طریق که زنبورهای بیشتری به منابع برگزیده اعزام میشوند. این مکانیزم جستجو به همراه دیدهبانی ویژگیهای عمده الگوریتم زنبور محسوب میشوند. در گام ۵ بهترین زنبور از هر مکان برای انتقال به نسل بعدی انتخاب میشود. سایر زنبورها برای جستجوی تصادفی در نظر گرفته میشوند گام(۴). این گامها تا برقراری شرط توقف تکرار میشوند.

الگوریتم زنبور می تواند یک موضوع جدید برای کسانی باشد که علاقه مند هستند از روش های جدید برای حل مسائل کمک بگیرند. و می تواند موضوع تحقیق خوبی باشد برای آن دسته از دانشجویان مدیریت که دوست دارند از روش های فراابتکاری در تحقیقاتشان بهره بگیرند.

دانلود مقاله

کاربرد الگوریتم زنبور در علم مدیریت

مطالب مشابه :

شرح الگوریتم زنبور عسل

الگوریتم کلونی زنبور عسل (ABC)

الگوريتم زنبور عسل

الگوریتم زنبورعسل