دوره و شماره : آماده انتشار

نویسندگان : سامان قاسمی* ¹ ، کیمیا بازرگان لاری ² ، زهرا اکرام زاده ³

چکیده :
بسیاری از مسائل دنیای واقعی پویا هستند و برای حل آن‌ها نیاز به الگوریتمی است که علاوه بر یافتن جواب بهینه در محیط، بتواند تغییرات بهینه را در طول زمان دنبال کند. تاکنون الگوریتم‌های تکاملی مختلفی برای بهینه‌سازی در محیط‌های پویا پیشنهاد شده‌اند. در چنین محیط‌هایی، پس از وقوع تغییرات، الگوریتم به تنوع کافی برای جستجوی دوباره نیاز دارد. هم‌زمان، استفاده از اطلاعات حاصل از جستجوهای پیشین می‌تواند سرعت جستجو را افزایش دهد. مشکل اصلی الگوریتم‌های تکاملی معمول در حل مسائل بهینه‌سازی پویا، همگرایی زودرس و کاهش تنوع جمعیتی در طول زمان است. بنابراین، در مواجهه با این مسائل، رویکردهایی لازم است که بتوانند تنوع را در طول زمان حفظ کنند. الگوریتم کلونی مورچه (ACO) یکی از الگوریتم‌های فراابتکاری الهام‌گرفته از رفتار طبیعی مورچه‌ها است که برای حل مسائل بهینه‌سازی استفاده می‌شود. این الگوریتم بر پایه ترشح ماده شیمیایی فرومون توسط مورچه‌ها بنا شده است. مورچه‌ها در طبیعت با استفاده از فرومون، مسیرهای بهینه را برای رسیدن به منابع غذایی کشف و تقویت می‌کنند. در ACO، این رفتار با تعریف پارامترهایی همچون فرومون و اطلاعات هیوریستیک مدل‌سازی می‌شود. ACOبا ترکیب اطلاعات هیوریستیک و فرومون، می‌تواند به‌طور مؤثر به حل مسائل پیچیده و NP-hard بپردازد. این الگوریتم به دلیل قابلیت تعمیم‌پذیری و کارایی بالا، در مسائل مختلف از جمله مسیریابی، زمان‌بندی و تخصیص منابع مورد استفاده قرار می‌گیرد.در این مقاله، الگوریتم کلونی مورچه بررسی شده و کاربرد آن در مسائل مختلف مورد مطالعه قرار می‌گیرد.

کلمات کلیدی :
الگوریتم کلونی مورچه، بهینه‌سازی، هوش ازدحامی، فرومون، مسئله فروشنده دوره‌گرد