مفاهیم اساسی در مورد الگوریتم های کلونی مورچگان

مفاهیم اساسی در مورد الگوریتم های کلونی مورچگان:

روش بهینه سازی کلونی مورچگان یک رویکرد فرا ابتکاری برای مسایل بهینه سازی ترکیبی می باشد که می تواند بعنوان یک الگو برای همۀ الگوریتم های جستجوی کلونی مورچگان در نظر گرفته شود. این روش از رفتار جستجو گرانۀ حشرات اجتماعی، مخصوصاً مورچگان الهام گرفته شده است. [۱] از یک دیدگاه وسیع تر، الگوریتم های ACO به دسته الگوریتم های پژوهشی بر اساس مدل(MBS) دوریگو متعلق است. [۲] الگوریتم های MBS روش هایی برای حل مسائل بهینه سازی ترکیبی می باشند که هر روز مورد استقبال بیشتری قرار می گیرند. یک الگوریتم MBS توسط استفاده از یک مدل احتمالی (پارامتری) که برای تولید روش های حل مسأله مورد نظر فراهم شده، مشخص می گردد.

الگوریتم های MBS بر اساس این که چگونه از مدل احتمالی استفاده می کنند به ۲ دسته طبقه بندی می شوند:

۱)الگوریتم هایی که از یک مدل احتمالی بدون تغییر ساختار در هنگام اجرا استفاده می کنند.

۲)الگوریتم هایی که هم از مدل احتمالی استفاده کرده و هم آن را در بخش های مختلف تغییر می دهند. الگوریتم های ACO به گروه اول مربوط می شوند. در هنگام اجرا، الگوریتم های ACO مقادیر پارامترهای مدل احتمالی را طوری بروز رسانی      می کنند که امکان بیشتری برای تولید روش های حل با کیفیت بالا در زمان فراهم گردد.

الگوریتم های جستجوی کلونی مورچگان (ACSAS) اخیراً بعنوان ابزارهای قدرتمند برای حل یک مجموعه متضاد از مسائل بهینه سازی، مانند مسأله دوره گرد مهاجر (TSP) [4/3]، مسأله تخصیص درجه دوم [۵/۴]، مسائل بهینه سازی در سیستم های قدرت[۲۴، ۲۳، ۱۵-۶]، مانند مسأله برنامه ریزی برای تولید، مسأله الزام و اتحاد واحد (بخش باراقتصادی) [۱۸، ۱۶] و مسأله مین گذاری به صورت تار عنکبوت [۱۹] معرفی شده اند. این فصل برروی مفاهیم ACSAS تمرکز می کند. کاربردهایACSAS در سیستم های قدرت به صورت عمقی در فصل ۲۰ پوشش داده شده است.

۲-۵: الگوریتم جستجوی کلونی مورچگان:

اولین الگوریتم ACS توسط دوریگو در اوایل دهه ۱۹۹۰ ارائه شد. ACS به الگوریتم های ابتکاری الهام شده بیولوژیکی مرتبط می شود. این روش بطور کلی بر مبنای مشاهدۀ رفتار کاوش گرایانه یک مورچه توسعه پیدا کرده است. فهمیدن این که چگونه مورچگان، که حیواناتی تقریباً نابینا هستند با توانایی های انفرادی بسیار اولیه در یک کلونی با هم فعالیت می کنند، می تواند برای پیدا کردن کوتاه ترین مسیر بین لانۀ مورچه و منبع غذا مفید باشد. قسمت ۱-۲-۵ رفتار حقیقی مورچگان، که به دنبال آن ارائۀ ۲ تا از موفقیت آمیزترین الگوریتم های جستجوی کلونی مورچگان (از لحاظ تجربی) بهمراه سابقه آن ها در ۲-۲-۵ آمده است. مشخصه های اصلی الگوریتم های ACSAS در قسمت ۳-۲-۵ بیان شده اند.