الگوریتم کلونی مورچگان aco
مفاهیم اولیه الگوریتم مورچگان :
تاریخچه :الگوريتم کلونی مورچه براي اولين بار در سال 1992 توسط دوريگو و همکارانش به عنوان يک راه حل چند عامله برای مسائل مشکل بهينه سازی مثل فروشنده دوره گرد ارائه شد.مقدمه :هنگامی که یک مورچه به شکل تصادفی تنها حرکت می کند و به یه دوراهی می رسد به احتمال زیاد مسیری را انتخاب می کند که دارای بوی فرومون بیشتر است و آن مسیر را ادامه می دهد . همچنین با فرمونی که از خود ترشح می کند احتمال انتخاب آن مسیر را برای سایر مورچگان افزایش میدهد .یکی از جالبترین رفتار های مورچه ها رفتاری است که برای پیدا کردن غذا از خود نشان می دهند . ، بویژه رفتاری که برای پیدا کردن کوتاهترین و بهترین مسیر میان آشیانه ( لانه ) و منبع غذا از خود بروز می دهند .آنچه بنيان فكری الگوريتم مورچگان بر آن بنا شده است را می توان بسادگی و در يك جمله بيان نمود: " مورچه ها در بين موانع و محدوديت های موجود در طبيعت هميشه از بين جايگشت های متفاوت برای رسيدن به غذا، بهينه ترين راه را انتخاب می كنند".عامل هوشند : موجودی است که از طريق حسگر ها قادر به درک پيرامون خود بوده و از طريق تاثير گذارنده ها مي تواند روی محيط تاثير بگذارد. درباره ی مورچگان طبیعی : 1 - فرومون : (Pheromone) مورچه ها هنگام راه رفتن از خود ردی از ماده شيميايی فرومون جای می گذارند البته اين ماده بزودی تبخير می شود ولی در کوتاه مدت بعنوان رد مورچه بر سطح زمين باقی مي ماند.2 - هوشمندی توده ای : یک توده (Swarm) عبارت است از مجموعه ای از عامل ها که با یکدیگر به صورت مستقیم (کلمات ، سیگنال ، علايم و . . .) یا به صورت غیر مستقیم (از طریق تاثیر گذاری در محیط) در تماس هستند و همگی یک مسئله را به شکل گسترده حل می کنند .یکی از خصلت های کلونی مورچه ها هوشمندی توده ای است ، به این معنی که کلونی مورچه ها نه بر اساس هوشمندی یک مغر مرکزی بلکه بر اساس توده ای از عامل های هوشمند و رابطه ی بین آنها عمل می کنند .3 - اجتماعی بودن :مورچه ها موجودات اجتماعی هستند و رفتار آنها در جهت بقای کلونی است تا در بقای جزء و همچنین دارای کار گروهی و تقسیم کار هستند .4 - تصمیم گیری :آنها برای انتخاب بین دو مسیر به صورت احتمالی (statistical) تصمیم میگیرند و معمولا مسیری را انتخاب می کنند که دارای فرومون بیشتری است (قبلا مورچه های بیشتری از آن عبور کرده است) .الگوریتم کلونی مورچگان : مورچه ها هنگام انتخاب بين دو مسير بصورت احتمالاتی مسيری را انتخاب می کنند که فرومون بيشتری داشته باشد يا بعبارت ديگر مورچه های بيشتری قبلا از آن عبور کرده باشند. حال می بینیم که همين تمهيد ساده چگونه منجر به پيدا کردن کوتاهترين مسير خواهد شد : همانطور که در شکل می بينيم ...
الگوریتم کلونی مورچگان
بهینهسازی گروه مورچهها یا ACO همانطور که می دانیم مسئله یافتن کوتاهترین مسیر، یک مسئله بهینه سازیست که گاه حل آن بسیار دشوار است و گاه نیز بسیار زمانبر. برای مثال مسئله فروشنده دوره گرد را نیز میتوان مطرح کرد. در این روش(ACo)، مورچههای مصنوعی بهوسیلهٔ حرکت بر روی نمودار مساله و با باقی گذاشتن نشانههایی بر روی نمودار، همچون مورچههای واقعی که در مسیر حرکت خود نشانههای باقی میگذارند، باعث میشوند که مورچههای مصنوعی بعدی بتوانند راهحلهای بهتری را برای مساله فراهم نمایند. همچنین در این روش میتوان توسط مسائل محاسباتی-عددی بر مبنای علم احتمالات بهترین مسیر را در یک نمودار یافت. این روش که از رفتار مورچهها در یافتن مسیر بین محل لانه و غذا الهام گرفته شده؛ اولین بار در ۱۹۹۲ توسط مارکو دوریگو (Marco Dorigo) در پایان نامهٔ دکترایش مطرح شد. مقدمه الگوریتم کلونی مورچه الهام گرفته شده از مطالعات و مشاهدات روی کلونی مورچه هاست. این مطالعات نشان داده که مورچهها حشراتی اجتماعی هستند که در کلونیها زندگی میکنند و رفتار آنها بیشتر در جهت بقاء کلونی است تا درجهت بقاء یک جزء از آن. یکی از مهمترین و جالبترین رفتار مورچهها، رفتار آنها برای یافتن غذا است و بویژه چگونگی پیدا کردن کوتاهترین مسیر میان منابع غذایی و آشیانه. این نوع رفتار مورچهها دارای نوعی هوشمندی تودهای است که اخیرا مورد توجه دانشمندان قرار گرفته است در دنیای واقعی مورچهها ابتدا به طور تصادفی به این سو و آن سو میروند تا غذا بیابند. سپس به لانه بر میگردند و ردّی از فرومون (Pheromone) به جا میگذارند. چنین ردهایی پس از باران به رنگ سفید در میآیند و قابل رویت اند. مورچههای دیگر وقتی این مسیر را مییابند، گاه پرسه زدن را رها کرده و آن را دنبال میکنند. سپس اگر به غذا برسند به خانه بر میگردند و رد دیگری از خود در کنار رد قبل میگذارند؛ و به عبارتی مسیر قبل را تقویت میکنند. فرومون به مرور تبخیر میشود که از سه جهت مفید است: باعث میشود مسیر جذابیت کمتری برای مورچههای بعدی داشته باشد. از آنجا که یک مورچه در زمان دراز راههای کوتاهتر را بیش تر میپیماید و تقویت میکند هر راهی بین خانه و غذا که کوتاهتر (بهتر) باشد بیشتر تقویت میشود و آنکه دورتر است کمتر.اگر فرومون اصلاً تبخیر نمیشد، مسیرهایی که چند بار طی میشدند، چنان بیش از حد جذّاب میشدند که جستجوی تصادفی برای غذا را بسیار محدود میکردند.وقتی غذای انتهای یک مسیر جذاب تمام میشد رد باقی میماند. لذا وقتی یک مورچه مسیر کوتاهی (خوبی) را ...
الگوریتم AS از کلونی مورچگان :
الگوریتم AS : AS مخفف Ant System است که دریگو ایده ساده فرومون بیشتر روی مسیر کوتاهتر و غذای بیشتر را برای یافتن راه حل های مناسب در مسائل بهینه سازی ، سخت مورد استفاده قرار داد و این روش را بعنوان اولین نسخه از الگوریتم ACO ارائه کرد .در این الگوریتم وظیفه ی اصلی هر مورچه مصنوعی یافتن کوتاه ترین بین یک جفت گره در یک گراف است .قانون تصمیم گیری برای مورچه k در گره i ، که می خواهد یکی از گره ها را از بین گره های ملاقات نشده Ni انتخاب کند از فرمول زیر ( احتمال ) بدست می آید : : نشان دهنده ی مقدار فرومون روی یال (i,j) است . : نشان دهنده ی مقدار فاصله ی بین دو گره ی i,j است . : توان هایی هستند که با تغییر آنها میزان اهمیت هر یک را نسبت به دیگری می توان تغییر داد.همچنین مورچه ها در حالی که از یک گره i به گره j می روند اطلاعات فرومون که روی یال (i,j) میریزند از فرمول زیر بدست می آید : : فرومونی که مورچه هنگام عبور روی یال i,j می ریزد .فرمول تبخیر فرومون برای اجتناب از همگرایی سریع همه ی مورچه ها به شکل زیر است : که در این فرمول غلظت فرومون به طور خودکار و در هر بار تکرار به مقدار p کاهش می یابد .
فیلم آموزشی جامع الگوریتم مورچگان کلاسیک یا ACO در متلب
بهینه سازی کلونی مورچه ها یا Ant Colony Optimization و (به اختصار ACO)، که در سال 1992 توسط مارکو دوریگو (Marco Dorigo) و در رساله دکتری وی مطرح شد، یکی از بارزترین نمونه ها برای روش های هوش جمعی است. این الگوریتم از روی رفتار جمعی مورچه ها الهام گرفته شده است. مورچه ها با همکاری یکدیگر، کوتاه ترین مسیر را میان لانه و منابع غذایی پیدا می کنند تا بتوانند در کمترین زمان مواد غذایی را به لانه منتقل کنند. هیچ کدام از مورچه ها، به تنهایی قادر به انجام چنین کاری نیستند، اما با همکاری و پیروی از چند اصل ساده، بهترین راه را پیدا می کنند. الگوریتم مورچه ها، یک مثال بارز از هوش جمعی هستند که در آن عامل هایی که قابلیت چندان بالایی ندارند، در کنار هم و با همکاری یکدیگر می توانند نتایج بسیار خوبی به دست بیاورند. به عنوان مثال، عملکرد مورچه های آرژانتینی در یافتن کوتاه ترین مسیر بین لانه و منبع غذایی، بسیار عجیب و حیرت انگیز است. مورچه آرژانتینی عملا کور است و طبعا کوتاه ترین مسیر برای او مفهومی ندارد و توسط او قابل شناخت نمی باشد. اما با وجود چنین کمبودی، توده ای از این مورچه ها می توانند با همکاری یکدیگر، کوتاه ترین مسیر موجود بین لانه و محل مواد غذایی را پیدا کنند. الگوریتم های دیگری نیز بر اساس الگوریتم مورچه ها ساخته شده اند که همگی سیستم های چند عاملی هستند و عامل ها مورچه های مصنوعی یا به اختصار مورچه هایی هستند که مشابه با مورچه های واقعی رفتار می کنند. این الگوریتم برای حل و بررسی محدوده وسیعی از مسائل بهینه سازی به کار برده شده است. از این میان می توان به حل مسأله کلاسیک فروشنده دوره گرد و همچنین مسأله راهیابی در شبکه های مخابرات راه دور اشاره نمود. فیلم آموزشی جامع الگوریتم مورچگان در متلب، شامل مباحث تئوری و عملی در خصوص بهینه سازی کلونی مورچگان یا ACO است و می تواند به عنوان یک مرجع بسیار کامل، برای استفاده دانشجویان و دانش پژوهان مورد استفاده قرار بگیرد. مطالب و مباحث این فیلم آموزشی به زبان فارسی روان، و توسط مهندس سید مصطفی کلامی هریس ارائه شده است. سرفصل های مهم مورد بحث در این فیلم آموزشی عبارتند از: مروری بر مبانی و مفاهیم اساسی هوش جمعی (Swarm Intelligence) مبانی تئوری الگوریتم مورچگان یا ACO تشریح بخش های مختلف الگوریتم مورچگان بررسی انواع نسخه های الگوریتم مورچگان پیاده سازی الگوریتم مورچگان در متلب بیان ریاضی مسأله فروشنده دوره گرد یا TSP پیاده سازی گام به گام الگوریتم مورچگان در محیط متلب برای حل مسأله فروشنده دوره گرد نمایش نتایج حاصل از حل مسأله TSP به صورت گرافیکی جمع بندی و نتیجه گیری های نهایی توجه: این فیلم ...
الگوریتم کلونی مورچگان
الگوریتم کلونی مورچه ها انسان هميشه براي الهام گرفتن به جهان زنده پيرامون خود نگريسته است. يکي از بهترين طرح هاي شناخته شده، طرح پرواز انسان است که ابتدا لئورناردو داوينچي(1519-1452) طرحي از يک ماشين پرنده را بر اساس ساختمان بدن خفاش رسم نمود. چهار صد سال بعد کلمان آدر ماشين پرنده اي ساخت که داراي موتور بود و بجاي بال از ملخ استفاده مي کرد. هم اکنون کار روي توسعه سيستم هاي هوشمند با الهام از طبيعت از زمينه هاي خيلي پرطرفدار هوش مصنوعي است. الگوريتمهاي ژنتيک که با استفاده از ايده تکاملي دارويني و انتخاب طبيعي مطرح شده، روش بسيار خوبي براي يافتن مسائل بهينه سازيست. ايده تکاملي دارويني بيانگر اين مطلب است که هر نسل نسبت به نسل قبل داراي تکامل است و آنچه در طبيعت رخ مي دهد حاصل ميليون ها سال تکامل نسل به نسل موجوداتي مثل مورچه است. الگوريتم کلوني مورچه براي اولين بار توسط دوريگو (Dorigo) و همکارانش به عنوان يک راه حل چند عامله (Multi Agent) براي مسائل مشکل بهينه سازي مثل فروشنده دوره گرد (TSP :Traveling Sales Person) ارائه شد. عامل هوشند(Intelligent Agent) موجودي است که از طريق حسگر ها قادر به درک پيرامون خود بوده و از طريق تاثير گذارنده ها مي تواند روي محيط تاثير بگذارد. الگوريتم کلوني مورچه الهام گرفته شده از مطالعات و مشاهدات روي کلوني مورچه هاست. اين مطالعات نشان داده که مورچه ها حشراتي اجتماعي هستند که در کلوني ها زندگي مي کنند و رفتار آنها بيشتر در جهت بقاء کلوني است تا درجهت بقاء يک جزء از آن. يکي از مهمترين و جالبترين رفتار مورچه ها، رفتار آنها براي يافتن غذا است و بويژه چگونگي پيدا کردن کوتاهترين مسير ميان منابع غذايي و آشيانه. اين نوع رفتار مورچه ها داراي نوعي هوشمندي توده اي است که اخيرا مورد توجه دانشمندان قرار گرفته است.بايد تفاوت هوشمندي توده اي(کلوني) و هوشمندي اجتماعي را روشن کنيم. در هوشمندي اجتماعي عناصر ميزاني از هوشمندي را دارا هستند. بعنوان مثال در فرآيند ساخت ساختمان توسط انسان، زماني که به يک کارگر گفته ميشود تا يک توده آجر را جابجا کند، آنقدر هوشمند هست تا بداند براي اينکار بايد از فرغون استفاده کند نه مثلا بيل!!! نکته ديگر تفاوت سطح هوشمندي افراد اين جامعه است. مثلا هوشمندي لازم براي فرد معمار با يک کارگر ساده متفاوت است. در هوشمندي توده اي عناصر رفتاري تصادفي دارند و بين آن ها هيچ نوع ارتباط مستقيمي وجود ندارد و آنها تنها بصورت غير مستقيم و با استفاده از نشانه ها با يکديگر در تماس هستند. مثالي در اين مورد رفتار موريانه ها در لانه سازيست. جهت علاقه مند شدن شما به اين رفتار موريانه ها وتفاوت هوشمندي ...
انلود کتاب الگوریتم مورچگان
سلام. به دوستان علاقه مند به مبحث الگورتم های هوشمند توصیه میکنم این کتاب رو مطالعه کنند. -- مرجع :سایت آغازهدانلود کتاب عنوان کتاب: الگوریتم کلونی مورچگان نویسنده: منیره شیخ حسینی زبان کتاب: فارسی تعداد صفحه: 315 حجم فایل: 10 مگابایت فهرست مطالب الگوریتم کلونی مورچگان مقدمهتاریخچهالگوریتم کلونی مورچه هاهوشمندی تودهایتفاوت هوشمندی توده ای وهوشمندی اجتماعیبهینه سازی مسایل بوسیله کلونی مورچهاستفاده از بهینهسازی کولونی مورچهها در مسئله فروشنده دوره گردمورچه ها چگونه کوتاه ترین مسیر را پیدا می کنند؟انواع مختلف الگوریتم بهینه سازی مورچگانمزیت های الگوریتم کلونی مورچهکاربردهای الگوریتم کلونی مورچهالگوریتم ACOجنگ مورچه های اتشینالهام از طبیعت برای پیاده سازی نظامهای اجتماعیساختار نظام تحقیقات حرفه ای در پزشکی نوینمزایای تحقق نظام تحقیقات حرفه ای در جامعهمورچه ها متخصصان برجسته علم ژنتیکبهینهسازی مسائل ریاضی به روش مورچهها(ACO)بهینهسازی شبکههای کامپیوتری با الهام از کلونی مورچههاکاربرد های الگوریتم کلونی مورچه ها در سگمنتیشن تصویرتقطیع تصویر مبتنی بر MRF با استفاده از سیستم کلونی مورچهسیستم Ant Colony برای تقسیم بندی و طبقه بندی Microcalcification در ماموگراماستفاده از الگوریتم ACO در تقطیع تصویر برای استانه سازی مطلوب کاربرد های الگوریتم حرکت دسته جمعی پرندگان در سگمنتیشن تصویرتقطیع تصاویر داده های سه بعدی با استفاده از الگوریتم بهینه سازی جمعی پرندگانترکیب بهینه سازی حرکت جمعی پرندگان با الگوریتم های دسته بندی Unsupervised برای تقطیع تصویربهینه سازی کلونی مورچه و الگوریتم بهینه سازی حرکت دسته جمعی پرندگان برای طبقه بندی Microcalcifications در ماموگرافی
بهینه سازی الگوریتم کلونی مورچه ها
الگوریتم کلونی مورچه انسان هميشه براي الهام گرفتن به جهان زنده پيرامون خود نگريسته است. يکي از بهترين طرح هاي شناخته شده، طرح پرواز انسان است که ابتدا لئورناردو داوينچي(1519-1452) طرحي از يک ماشين پرنده را بر اساس ساختمان بدن خفاش رسم نمود. چهار صد سال بعد کلمان آدر ماشين پرنده اي ساخت که داراي موتور بود و بجاي بال از ملخ استفاده مي کرد. هم اکنون کار روي توسعه سيستم هاي هوشمند با الهام از طبيعت از زمينه هاي خيلي پرطرفدار هوش مصنوعي است. الگوريتمهاي ژنتيک که با استفاده از ايده تکاملي دارويني و انتخاب طبيعي مطرح شده، روش بسيار خوبي براي يافتن مسائل بهينه سازيست. ايده تکاملي دارويني بيانگر اين مطلب است که هر نسل نسبت به نسل قبل داراي تکامل است و آنچه در طبيعت رخ مي دهد حاصل ميليون ها سال تکامل نسل به نسل موجوداتي مثل مورچه است. الگوريتم کلوني مورچه براي اولين بار توسط دوريگو (Dorigo) و همکارانش به عنوان يک راه حل چند عامله (Multi Agent) براي مسائل مشکل بهينه سازي مثل فروشنده دوره گرد (TSP :Traveling Sales Person) ارائه شد. عامل هوشند(Intelligent Agent) موجودي است که از طريق حسگر ها قادر به درک پيرامون خود بوده و از طريق تاثير گذارنده ها مي تواند روي محيط تاثير بگذارد. الگوريتم کلوني مورچه الهام گرفته شده از مطالعات و مشاهدات روي کلوني مورچه هاست. اين مطالعات نشان داده که مورچه ها حشراتي اجتماعي هستند که در کلوني ها زندگي مي کنند و رفتار آنها بيشتر در جهت بقاء کلوني است تا درجهت بقاء يک جزء از آن. يکي از مهمترين و جالبترين رفتار مورچه ها، رفتار آنها براي يافتن غذا است و بويژه چگونگي پيدا کردن کوتاهترين مسير ميان منابع غذايي و آشيانه. اين نوع رفتار مورچه ها داراي نوعي هوشمندي توده اي است که اخيرا مورد توجه دانشمندان قرار گرفته است.بايد تفاوت هوشمندي توده اي(کلوني) و هوشمندي اجتماعي را روشن کنيم. در هوشمندي اجتماعي عناصر ميزاني از هوشمندي را دارا هستند. بعنوان مثال در فرآيند ساخت ساختمان توسط انسان، زماني که به يک کارگر گفته ميشود تا يک توده آجر را جابجا کند، آنقدر هوشمند هست تا بداند براي اينکار بايد از فرقون استفاده کند نه مثلا بيل!!! نکته ديگر تفاوت سطح هوشمندي افراد اين جامعه است. مثلا هوشمندي لازم براي فرد معمار با يک کارگر ساده متفاوت است. در هوشمندي توده اي عناصر رفتاري تصادفي دارند و بين آن ها هيچ نوع ارتباط مستقيمي وجود ندارد و آنها تنها بصورت غير مستقيم و با استفاده از نشانه ها با يکديگر در تماس هستند. مثالي در اين مورد رفتار موريانه ها در لانه سازيست. جهت علاقه مند شدن شما به اين رفتار موريانه ها وتفاوت هوشمندي توده اي و ...
الگوریتم کلونی مورچگان (Ant Colony Algorithm)
الگوریتم کلونی مورچگان (Ant Colony Algorithm) الگوریتم کلونی مورچه ها چیست؟ الگوریتم کلونی مورچگان (Ant Colony Algorithm) يک مورچه در حال حرکت، مقداري فرومون (در اندازههاي مختلف) از خود بر زمين باقي مي گذارد و بدين ترتيب مسير را بوسيله بوي اين ماده مشخص مي سازد. هنگامي که يک مورچه به طور تصادفي و تنها حرکت مي کند، با مواجه شدن با مسيري که داراي اثر فرومون بيشتري است، به احتمال زياد مسير فوق را انتخاب مي کند و با فروموني که از خود بر جاي مي گذارد، آن را در مسير مذکور تقويت مي نمايد الگوريتم کلوني مورچه الهام گرفته شده از مطالعات ومشاهدات روي کلوني مورچه هاست. اين مطالعات نشان داده که مورچه ها حشراتي اجتماعي هستند که در کلوني ها زندگي مي کنند و رفتار آنها بيشتر در جهت بقاء کلوني است تادرجهت بقاء يک جزء از آن. يکي از مهمترين و جالبترين رفتار مورچه ها، رفتار آنهابراي يافتن غذا است و بويژه چگونگي پيدا کردن کوتاهترين مسير ميان منابع غذايي وآشيانه. اين نوع رفتار مورچه ها داراي نوعي هوشمندي توده اي است که اخيرا مورد توجهدانشمندان قرار گرفته است.بايد تفاوت هوشمندي توده اي(کلوني) و هوشمندي اجتماعي راروشن کنيم.در هوشمندي اجتماعي عناصر ميزاني از هوشمندي را دارا هستند. بعنوان مثال درفرآيند ساخت ساختمان توسط انسان، زماني که به يک کارگر گفته ميشود تا يک توده آجررا جابجا کند، آنقدر هوشمند هست تا بداند براي اينکار بايد از فرغون استفاده کند نهمثلا بيل!!! نکته ديگر تفاوت سطح هوشمندي افراد اين جامعه است. مثلا هوشمندي لازمبراي فرد معمار با يک کارگر ساده متفاوت است.در هوشمندي توده اي عناصر رفتاريتصادفي دارند و بين آن ها هيچ نوع ارتباط مستقيمي وجود ندارد و آنها تنها بصورت غيرمستقيم و با استفاده از نشانه ها با يکديگر در تماس هستند. مثالي در اين مورد رفتارموريانه ها در لانه سازيست.جهت علاقه مند شدن شما به اين رفتار موريانه ها وتفاوتهوشمندي توده اي و اجتماعي توضيحاتي را ارائه مي دهم :فرآيند ساخت لانه توسط موريانهها مورد توجه دانشمندي فرانسوي به نام گرس قرار گرفت. موريانه ها براي ساخت لانه سهفعاليت مشخص از خود بروز مي دهند. در ابتدا صدها موريانه به صورت تصادفي به اين طرفو آن طرف حرکت مي کنند. هر موريانه به محض رسيدن به فضايي که کمي بالاتر از سطحزمين قرار دارد شروع به ترشح بزاق مي کنند و خاک را به بزاق خود آغشته مي کنند. بهاين ترتيب گلوله هاي کوچک خاکي با بزاق خود درست مي کنند. عليرغم خصلت کاملا تصادفياين رفتار، نتيجه تا حدي منظم است. در پايان اين مرحله در منطقه اي محدود تپه هايبسيار کوچک مينياتوري از اين گلوله هاي خاکي آغشته به ...
پروژه کاربرد کلونی مورچگان در شبکه
دانشگاه فني حرفه اي دانشكده فني مهندسي شهيد جباريان موضوع تحقيق : كاربرد كلوني مورچگان در شبكه استاد راهنما : مهندس محمدي گردآورنده : رضا عقيقي تاريخ ارائه : اريبهشت 92 مقدمه انسان هميشه براي الهام گرفتن به جهان زنده پيرامونخود نگريسته است. يکي از بهترين طرح هاي شناخته شده، طرح پرواز انسان است که ابتدالئورناردو داوينچي(1519-1452) طرحي از يک ماشين پرنده را بر اساس ساختمان بدن خفاش رسم نمود. چهار صد سال بعد کلمان آدر ماشين پرنده اي ساخت که داراي موتور بود وبجاي بال از ملخ استفاده مي کرد. هم اکنون کار روي توسعه سيستم هاي هوشمند با الهام ازطبيعت از زمينه هاي خيلي پرطرفدار هوش مصنوعي است. الگوريتمهاي ژنتيک که با استفادهاز ايده تکاملي دارويني و انتخاب طبيعي مطرح شده، روش بسيار خوبي براي يافتن مسائلبهينه سازيست. ايده تکاملي دارويني بيانگر اين مطلب است که هر نسل نسبت به نسل قبلداراي تکامل است و آنچه در طبيعت رخ مي دهد حاصل ميليون ها سال تکامل نسل به نسل موجوداتي مثل مورچه است. الگوریتم کلونی مورچه ها در شبكه چیست؟ يک مورچه در حال حرکت، مقداري فرومون (در اندازههاي مختلف) از خود بر زمين باقي مي گذارد و بدين ترتيب مسير را بوسيله بوي اين ماده مشخص مي سازد. هنگامي که يک مورچه به طور تصادفي و تنها حرکت مي کند، با مواجه شدن با مسيري که داراي اثر فرومون بيشتري است، به احتمال زياد مسير فوق را انتخاب مي کند و با فروموني که از خود بر جاي مي گذارد، آن را در مسير مذکور تقويت مي نمايد الگوريتم کلوني مورچه الهام گرفته شده از مطالعات ومشاهدات روي کلوني مورچه هاست. اين مطالعات نشان داده که مورچه ها حشراتي اجتماعي هستند که در کلوني ها زندگي مي کنند و رفتار آنها بيشتر در جهت بقاء کلوني است تادرجهت بقاء يک جزء از آن. يکي از مهمترين و جالبترين رفتار مورچه ها، رفتار آنهابراي يافتن غذا است و بويژه چگونگي پيدا کردن کوتاهترين مسير ...
الگوریتم ها فرا ابتکاری در متلب
روشها و الگوریتمهای بهینهسازی به دو دسته الگوریتمهای دقیق (Exact) و الگوریتمهای تقریبی (Approximate Algorithms) تقسیمبندی میشوند. الگوریتمهای دقیق قادر به یافتن جواب بهینه به صورت دقیق هستند اما در مورد مسائل بهینه سازی سخت کارایی ندارند و زمان حل آنها در این مسائل به صورت نمایی افزایش مییابد. الگوریتمهای تقریبی قادر به یافتن جوابهای خوب (نزدیک به بهینه) در زمان حل کوتاه برای مسائل بهینهسازی سخت هستند. الگوریتمهای تقریبی معمولا به دو دسته الگوریتمهای ابتکاری (Heuristic) و فراابتکاری (Metaheuristic) طبقه بندی می شوند. دو مشکل اصلی الگوریتمهای ابتکاری، قرار گرفتن آنها در بهینههای محلی، و ناتوانی آنها برای کاربرد در مسائل گوناگون است. الگوریتمهای فراابتکاری برای حل این مشکلات الگوریتمهای ابتکاری ارائه شدهاند. در واقع الگوریتمهای فراابتکاری، یکی از انواع الگوریتمهای بهینهسازی تقریبی هستند که دارای راهکارهای برونرفت از بهینه محلی میباشند و قابل کاربرد در طیف گسترده ای از مسائل هستند. با توجه به گستردگی و پیچیدگی مباحث مربوط به الگوریتم های فراابتکاری، به ندرت میتوان فردی را یافت که به تنهایی در تمامی این زمینه ها مسلط باشد. از مهم ترین الگوریتم های فرا ابتکاری می توان به الگوریتم های زیر اشاره کرد : 1- الگوریتم فاخته (cuckoo optimization algorithm - COA) 2- الگوریتم کلونی مورچگان (Ant Colony Optimization - ACO) 3- الگوریتم ازدحام ذرات ( Particle Swarm Optimization - PSO) 4- الگوریتم کلونی زنبور عسل ( Artifitial Bee Colony - ABC) 5- الگوریتم رقابت استعماری (Imperialist competitive Algorithm- ICA) 6- الگوریتم کرم شب تاب (FireFly Algorithm - FA) 7- الگوریتم قورباغه جهنده (Shuffled Frog-Leaping - SFL) 8- الگوریتم ازدحام گربه ها ( Cat Swarm Optimization - CSO) 9-الگوریتم مگس میوه (Fruit fly Optimization - FOA) 10- الگوریتم خفاش (Bat Optimization Algorithm - BOA) 11-الگوریتم ازدحام ماهی ها (Artifitial Fish Swarm Optimization - AFSA) 12- الگوریتم گله شیرها (Lion Pride Optimization - LPO) 13- الگوریتم گروه میگوها (Krill Herd Optimization - KHO) 14- الگوریتم جستجوی شکار (Hunting Search Optimization - HUS)