ebook archive
Login Form
آمار کلی
بازدیدکنندگان : 1494753Who's Online
ما 23 مهمان آنلاین داریمآخرين ارسالهاي تالار
-
- مقایسه چند برنامه در متلب
- 40 دقيقه پيش
-
- حرکت یک شی بر روی یک منحنی
- 3 ساعت, 6 دقيقه پيش
-
- چگونگی ساخت فایل exe در متلب
- 13 ساعت, 34 دقيقه پيش
-
- دستور مطلب
- 14 ساعت, 31 دقيقه پيش
-
- سوال: حاصل معادله Ax2+Bx+C با استفاده از متلب
- 14 ساعت, 33 دقيقه پيش
| حل مساله TSP با استفاده از الگوریتم ترکیبی جهش قورباغه |
|
|
|
| نوشته شده توسط admin |
| سه شنبه, 30 آذر 1389 ساعت 14:26 |
|
الگوریتم ترکیبی جهش قورباغه (SFLA)یک الگوریتم ممتیک متاهیوریستیک جدید است که توابع ریاضی کارا و قابلیت جستجوی سراسری را دارد. مساله فروشندهی دورهگرد (TSP)یک مسالهی بهینهسازیِ ترکیبیِ پیچیده است که به عنوان محکی برای ارزیابیِ سودبخشی و کاراییِ الگوریتمهای بهینهسازی که به تازگی پیشنهادشدهاند، استفاده میشود. زمانیکه از الگوریتم ترکیبی جهش قورباغه برای حل TSP استفاده میشود، memeplex و submemeplex ساخته میشوند و روند الگوریتم، به ویژه جستجوی محلی در submemeplex به دقت مطابق SFLAِ اصلی میشود. نتایج تجربی نشان میدهند که الگوریتم ترکیبیِ جهش قورباغه برای حل مسائل TSP ای که مقیاس کوچکی دارند کارا است. به ویژه در TSP ای که 51 شهر دارد، الگوریتم موفق میشود 6 مسیر که کوتاهتر از مسیر بهینهی ایجاد شده توسط TSPLIB هستند را بیابد. طول کوتاهترین مسیر به جای اینکه برابر با 429.98 که در سایر مراجع ذکر شده باشد ، برابر 428.87 است.
مسالهی معروف فروشندهی دورهگرد (TSP) یک مسالهی بهینهسازیِ ترکیبی متداول است که معمولاً جهت ارزیابی کارایی الگوریتمهای متاهیوریستیک بکارگرفته میشود. در حال حاضر الگوریتمهای متاهیوریستیک عمدتاً شامل الگوریتم ژنتیک (GA)، الگوریتم بهینهسازیِ کلونی مورچهها (ACO) و الگوریتم بهینهسازی گروه ذرات (PSO) میباشند. هر یک از این الگوریتمهای متاهیوریستیک تواناییها و ضعفهایی برای حل مسالهی TSP دارند. برای مثالGA ممکن است زمان بسیار زیادی را برای جستجوی پاسخ بهینه صرف کند ، درصورتیکه ACO کلاً تعدادی پارامتر دارد و زمان کمتری صرف میکند. اما ACO به آسانی در بهینهی محلی میافتد. PSO نسبتاً ساده است و توجه پژوهشگران را در زمینههای مختلف جلب کرده است. اخیراً دو پژوهشگر به نامهای Muzaffar Eusuff و Kevin Lansey از طریق مشاهده، تقلید و مدلسازیِ رفتار قورباغهها که غذاهای موجود بر روی سنگهای مجزایی که به صورت تصادفی در تالاب قرارگرفتهاند را جستجو می کنند، یک الگوریتم متاهیوریستک جدید با نام الگوریتم ترکیبی جهش قورباغه (SFLA) ایجاد کردند. SFLA : Shuffled frog-leaping algorithm TSP : Traveling Salesman Problem GA : Genetic Algorithm ACO : Ant Colony Optimization PSA :Particle Swarm Algorithm |
| آخرین بروز رسانی در جمعه, 18 فروردین 1391 ساعت 11:43 |






