الگوریتم زنبور

  • شرح الگوریتم زنبور عسل

      یک کلونی زنبور عسل می‌تواند در مسافت زیادی و نیز در جهت‌های گوناگون پخش شود تا از منابع غذایی بهره‌برداری کند. قطعات گلدار با مقادیر زیادی نکتار و گرده که با تلاشی کم قابل جمع آوری است، به وسیله­ی تعداد زیادی زنبور بازدید می‌شود؛ به طوری که قطعاتی از زمین که گرده یا نکتار کمتری دارد، تعداد کمتری زنبور را جلب می‌کند. پروسهٔ جستجوی غذای یک کلونی به وسیلهٔ زنبورهای دیده­بان آغاز می‌شود که برای جستجوی گلزارهای امید بخش (دارای امید بالا برای وجود نکتار یا گرده) فرستاده می‌شوند. زنبورهای دیده‌بان به صورت کتره‌ای از گلزاری به گلزار دیگر حرکت می‌کنند. در طول فصل برداشت محصول (گل‌دهی)، کلونی با آماده نگه داشتن تعدادی از جمعیت کلونی به عنوان زنبور دیده‌بان به جستجوی خود ادامه می‌دهند. هنگامی که جستجوی تمام گلزارها پایان یافت، هر زنبور دیده‌بان، بالای گلزاری که اندوختهٔ کیفی مطمئنی از نکتار و گرده دارد، رقص خاصی را اجرا می‌کند. این رقص که به نام رقص چرخشی شناخته می‌شود، اطلاعات مربوط به جهت تکه گلزار (نسبت به کندو)، فاصله تا گلزار و کیفیت گلزار را به زنبورهای دیگر انتقال می‌دهد. این اطلاعات زنبورهای اضافی و پیرو را به سوی گلزار می‌فرستد. بیش‌تر زنبورهای پیرو به سوی گلزارهایی می­روند که امید بخش­تر هستند و امید بیش‌تری برای یافتن نکتار و گرده در آن‌ها وجود دارد. وقتی همهٔ زنبورها به سمت ناحیه‌ای مشابه بروند، دوباره به صورت تصادفی و به علت محدوده­ی رقصشان در پیرامون گلزار پراکنده می‌شوند تا به موجب این کار سرانجام نه یک گلزار، بلکه بهترین گل­های موجود درون آن تعیین موقعیت شوند. الگوریتم زنبور عسل هر نقطه را در فضای پارامتری – متشکل از پاسخ‌های ممکن- به عنوان منبع غذا تحت بررسی قرار می‌دهد. زنبورهای دیده‌بان – کارگزاران شبیه‌سازی شده – به صورت تصادفی فضای پاسخ­ها را ساده می­کنند و به وسیله­ی تابع شایستگی کیفیت موقعیت­های بازدید شده را گزارش می­دهند. جواب‌های ساده شده رتبه بندی می‌شوند و دیگر زنبورها نیروهای تازه­ای هستند که فضای پاسخ‌ها را در پیرامون خود برای یافتن بالاترین رتبه محل‌ها جستجو می‌کنند که گلزار نامیده می‌شود. الگوریتم به صورت گزینشی دیگر گلزارها را برای یافتن نقطه­ی بیشینه­ی تابع شایستگی جستجو می‌کند == کاربردها == برخی کاربردهای الگوریتم زنبور در مهندسی: * آموزش شبکه عصبی برای الگو شناسی * زمان بندی کارها برای ماشین‌های تولیدی * دسته‌بندی اطلاعات * بهینه‌سازی طراحی اجزای مکانیکی * بهینه‌سازی چند گانه * میزان کردن کنترل کننده‌های منطق فازی برای ربات‌های ...



  • الگوریتم کلونی زنبور عسل (ABC)

      چندین الگوریتم اکتشافی جدید برای حل مسایل  بهینه سازی عددی و توابع ترکیبی توسعه یافته اند. این الگوریتم ها می توانند به گروههای مختلف طبقه بندی شوند با توجه به ضوابطی  که در نظر گرفته شده: مانند بر اساس جمعیت ، مبتنی بر تکرار شونده ، تصادفی ، قطعی ، و غیره. در حالی که الگوریتم با یک مجموعه راه حل هاکار میکند و در جهت بهبود آنها تلاش می کنند  که  مبتنی بر جمعیت نامیده می شوند ، یکی از کاربرد تکرار های چندگانه برای پیداکردن راه حل مطلوب که به عنوان الگوریتم تکرار شونده نام گذاری شده است. اگر یک الگوریتم یک قانون احتمالی را برای بهبود راه حل بکار بگیرد سپس آن را احتمال  یا اتفاقی نامیده میشود. یکی دیگر از طبقه بندی را می توان بسته به ماهیت پدیده توسط الگوریتم شبیه سازی کرد.این نوع طبقه بندی ، عمدتا دارای دو گروه مهم از الگوریتم جمعیت هستند که براساس : الگوریتم های تکاملی (EA) و الگوریتم های مبتنی بر هوش جمعی. از محبوب ترین الگوریتم های تکاملی الگوریتم ژنتیک(GA) است. درGA تلاش شده است تکامل طبیعی یک پدیده شبیه سازی شود. در تکامل طبیعی ، هر گونه جستجو برای سازگاری سودمند در یک محیط در حال تغییر است. به عنوان یک گونه تکامل یافته ، ویژگی های جدیدی در کروموزوم های فردی کد گذاری می شوند.  این اطلاعات توسط جهش تصادفی تغییرمی یابد ، اما بطورواقعی نیروی محرکه باعث توسعه تکاملی درترکیب و جایگزینی مواد کروموزومی در طول تولید مثل میشود. اگر چه تلاش های متعددی برای گنجاندن این اصول در روال بهینه سازی دراوایل دهه 1960انجام شده ، الگوریتم های ژنتیک برای اولین بار بر یک مبنای نظری صوتی  ایجاد شده بودند. این اصطلاح جمعی در حالت کلی برای اشاره به هر مجموعه دار از تعامل افراد مورد استفاده قرار می گیرد. به عنوان یک مثال کلاسیک از ازدحام زنبورهایی که در اطراف کندوی خود تجمع کردند ، اما در استعاره به راحتی می توان به سیستم هایی معماری مشابهی دارند توسعه داد. در کلونی مورچه ها،مورچه ها می توانند به عنوان گروهی ازعوامل تصور شوند ، همچنین ازدحام پرندگان گروهی از پرندگان است. یک سیستم ایمنی ، گروهی از سلول ها ومولکول ها است در حالی که یک جمعیت شامل گروهی از مردم است. الگوریتم بهینه سازی ازدحام ذرات (PSO) شبیه سازی می کند رفتار اجتماعی پرندگان یا ماهی ها توسط ابرهارت و کندی در سال 1995 معرفی شده است. روش های گوناگونی به مدل رفتار هوشمند خاص ازدحام زنبور عسل پیشنهاد شده است و برای حل مسایل از نوع ترکیبی استفاده شده است.آنها یک ایده روبات بر رفتار جستجوی غذا از زنبورها را ایجاد کرده اند . معمولا ، همه این ربات از لحاظ فیزیکی و عملکرد ...

  • الگوريتم زنبور عسل

    الگوريتم زنبور عسل

    الگوریتم زنبور شامل گروهی مبتنی بر الگوریتم جستجو است که اولین بار در سال 2005 توسعه یافت ؛ این الگوریتم شبیه سازی رفتار جستجوی غذای گروههای زنبور عسل است. در نسخه ابتدایی این الگوریتم، الگوریتم نوعی از جستجوی محلی انجام می دهد که با جستجوی کتره ای{Random } ترکیب شده و می تواند برای بهینه سازی ترکیبی {زمانی که بخواهیم چند متغیر را همزمان بهینه کنیم.}یا بهینه سازی تابعی به کار رود.جستجوی غذا در طبیعت یک کلونی زنبور عسل می تواند در مسافت زیادی و نیز در جهت های گوناگون پخش شود تا از منابع غذایی بهره برداری کند. قطعات گلدار با مقادیر زیادی نکتار و گرده که با تلاشی کم قابل جمع آوری است،به وسیلهی تعداد زیادی زنبور بازدید می شود؛ به طوری که قطعاتی از زمین که گرده یا نکتار کمتری دارد، تعداد کمتری زنبور را جلب می کند. پروسه ی جستجوی غذای یک کلونی به وسیله ی زنبورهای دیده بان آغاز می شود که برای جستجوی گلزار های امید بخش {دارای امید بالا برای وجود نکتار یا گرده}فرستاده می شوند. زنبورهای دیده بان به صورت کتره ای{Random } از گلزاری به گلزار دیگر حرکت می کنند. در طول فصل برداشت محصول{گل دهی}، کلونی با آماده نگه داشتن تعدادی از جمعیت کلونی به عنوان زنبور دیده بان به جستجوی خود ادامه می دهند. هنگامی که جستجوی تمام گلزار ها پایان یافت، هر زنبور دیده بان ، بالای گلزاری که اندوخته ی کیفی مطمئنی از نکتار و گرده دارد، رقص خاصی را اجرا می کند. این رقص که به نام "رقص چرخشی"{حرکتی مانند حرکت قرقره} شناخته می شود، اطلاعات مربوط به جهت تکه گلزار{نسبت به کندو}، فاصله تا گلزار و کیفیت گلزار را به زنبور های دیگر انتقال می دهد. این اطلاعات زنبور های اضافی و پیرو را به سوی گلزار می فرستد. بیشتر زنبور های پیرو به سوی گلزار هایی میروند که امید بخش تر هستند و امید بیشتری برای یافتن نکتار و گرده در آنها، وجود دارد. وقتی همه ی زنبور ها به سمت ناحیه ای مشابه بروند، دوباره به صورت کتره ای {Random } و به علت محدوده ی رقصشان در پیرامون گلزار پراکنده می شوند تا به موجب این کار سرانجام نه یک گلزار ، بلکه بهترین گل های موجود درون آن تعیین موقعیت شوند. الگوریتم الگوریتم زنبور هر نقطه را در فضای پارامتری_ متشکل از پاسخ های ممکن_به عنوان منبع غذا تحت بررسی قرار می دهد."زنبور های دیده بان"_ کارگزاران شبیه سازی شده _به صورت کتره ای{Random } فضای پاسخ ها را ساده می کنند و به وسیله ی تابع شایستگی کیفیت موقعیت های بازدید شده را گزار ش می دهند. جواب های ساده شده رتبه بندی می شوند، و دیگر "زنبورها" نیروهای تازه ای هستند که فضای پاسخ ها را در پیرامون خود برای ...

  • الگوریتم زنبورعسل

    الگوریتم زنبورعسل

      کاربرد الگوریتم زنبور عسل به منظور انتخاب استراتژی حذف هارمونیک در اینورتر های چند سطحی         در این مقاله  روش بهینه سازی زنبورعسل به منظور حذف هارمونیک ها در یک اینورتر چند سطحی آبشاری(کاسکد) ارائه شده است.هدف اصلی ازاین استراتژی حذف هارمونیک های انتخابی مدولاسیون عرض پالس وحذف هارمونیک های مرتبه پایین با حل معادلات غیر خطی می باشد.درا ین مقاله الگریتم زنبور عسل به یک اینورتر ۷ سطحی برای حل معادلات اعمال می شود.الگریتم مبتنی بر رفتار جستجوگری غذا گروهی از زنبورهای عسل می باشد.این روش داری دقت بالاتر و احتمال همگرایی بیشتر نسبت به الگریتم ژنتیک دارد.از نرم افزار متلب به منظور بهینه سازی و مقایسه الگریتم ژنتیک و الگریتم زنبورعسل استفاده شده است.نتایج شبیه سازی, برتری الگریتم زنبور عسل را نسبت به الگریتم ژنتیک را نشان می دهد.جدول زیر مقایسه نتایج الگریتم زبور عسل و الگریتم ژنتیک را نشان می دهد (در ۱۰زمان اجرا)   نتایج شبیه سازی دقت و توانایی الگریتم زنبور عسل را برای اهداف همگرایی نشان می دهد.در نهایت نتایج تجربی ارائه شده است که اعتبار دقت روش پیش نهادی را نشان می دهد. مقایسه پارامترهای دوالگرتیم

  • کاربرد الگوریتم زنبور در علم مدیریت

    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 زنبور2 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 ...

  • کاربرد الگوریتم زنبور عسل

    الگوریتم زنبور عسل را باید الگوریتمی معرفی کرد که علی رغم سن نه چندان زیاد کاربرد فراوانی دارد .ازقبیل:-The Ride Matching Problem- دنیای مجازی در تسخیر زنبور دیجیتال-بهره برداری بهینه از سد-آموزش شبکه عصبی برای الگوشناسی-زمانبندی کارها برای ماشین های تولیدی-دسته بندی اطلاعات -بهینه سازی طراحی اجزای مکانیکی -بهینه سازی چند گانه-میزان کردن کنترل کننده های منطق فازی برای ربات های ورزشکار

  • پروژه الگوریتم کلونی زنبور عسل (ABC)

    چکیده هوش جمعی شاخه ای از پژوهش بر اساس جمعیت است که مدل های جمعیتی از عوامل مورد تداخل یا ازدحام که می توانند خود سازماندهی کنند . کلونی مورچه، ازدحام پرندگان و یا زنبورها یک نمونه ساده ای از سیستم جمعیتی است. دیگر نمونه ای از هوش جمعی کلونی زنبور عسل در اطراف کندو است. هوش کلونی زنبور عسل (ABC) یک  الگوریتم است که یک الگوریتم بهینه سازی بر اساس رفتار هوشمندانه جمعیت زنبور عسل است. در این مفاله، الگوریتم ABC برای بهینه سازی توابع چند متغیره مورد استفاده قرار می گیرد. و نتایج تولید شده توسط الگوریتم ABC  مقایسه می شوند.کلمات کلیدی : هوش جمعی ، کلونی زنبور، بهینه سازی توابع عددیالگوریتم کلونی زنبور عسل (ABC) چندین الگوریتم اکتشافی جدید برای حل مسایل  بهینه سازی عددی و توابع ترکیبی توسعه یافته اند. این الگوریتم ها می توانند به گروههای مختلف طبقه بندی شوند با توجه به ضوابطی  که در نظر گرفته شده: مانند بر اساس جمعیت ، مبتنی بر تکرار شونده ، تصادفی ، قطعی ، و غیره. در حالی که الگوریتم با یک مجموعه راه حل هاکار میکند و در جهت بهبود آنها تلاش می کنند  که  مبتنی بر جمعیت نامیده می شوند ، یکی از کاربرد تکرار های چندگانه برای پیداکردن راه حل مطلوب که به عنوان الگوریتم تکرار شونده نام گذاری شده است. اگر یک الگوریتم یک قانون احتمالی را برای بهبود راه حل بکار بگیرد سپس آن را احتمال  یا اتفاقی نامیده میشود. یکی دیگر از طبقه بندی را می توان بسته به ماهیت پدیده توسط الگوریتم شبیه سازی کرد.این نوع طبقه بندی ، عمدتا دارای دو گروه مهم از الگوریتم جمعیت هستند که براساس : الگوریتم های تکاملی (EA) و الگوریتم های مبتنی بر هوش جمعی. از محبوب ترین الگوریتم های تکاملی الگوریتم ژنتیک(GA) است. درGA تلاش شده است ............دانلود متن کامل

  • الگوريتم زنبور عسل

    الگوريتم زنبور عسل الگوریتم زنبور شامل گروهی مبتنی بر الگوریتم جستجو است که اولین بار در سال 2005توسعه یافت ؛ این الگوریتم شبیه سازی رفتار جستجوی غذای گروههای زنبور عسل است. درنسخه ابتدایی این الگوریتم، الگوریتم نوعی از جستجوی محلی انجام می دهد که باجستجوی کتره ای{Random } ترکیب شده و می تواند برای بهینه سازی ترکیبی {زمانی کهبخواهیم چند متغیر را همزمان بهینه کنیم.}یا بهینه سازی تابعی به کاررود.دانلود متن کامل

  • الگوريتم زنبور عسل

    الگوريتم زنبور عسل   دانلود دو فایل pdf