پاورپوینت الگوریتم بهینه سازی فاخته دارای 42 اسلاید می باشد . جهت دانلود فایل پاورپوینت بر روی گزینه خرید انتهای متن کلیک نموده و پس از وارد نمودن آدرس ایمیل و کلیک بر روی گزینه خرید به درگاه بانک متصل شده و از کلیه کارت های بانکی عضو شتاب قادر به پرداخت و تهیه آن می باشید. بلافاصله پس از پرداخت لینک دانلود فایل پاورپوینت در اختیارتان قرار می گیرد و می توانید آن را دانلود نمایید . ضمناً همان لحظه لینک دانلود فایل نیز به آدرس ایمیل  شما ارسال می گردد.

همچنین در صورت تهیه فایل پاورپوینت مربوطه و مناسب نبودن فایل با اعلام شماره کارت بانکی و آدرس ایمیلی که در سایت ثبت نموده اید مبلغ پرداختی حداکثر ۲۴ ساعت بعد برگشت داده می شود.

بزرگوارانی که به صورت انلاین قادر به تهیه فایل پاورپوینت نمی باشند می توانند عنوان فایل پاورپوینت درخواستی را  به همراه آدرس ایمیل و شماره همراه خود را به ایمیل bankmaghalehir@gmail.com ارسال نمایند تا فایل پاورپوینت از طریق ایمیل یا تلگرام برای آنها ارسال گردد و پس از آن هزینه را کارت به کارت به حساب ما واریز نمایند.

فهرست مطالب

بخش اول:

معرفی الگوریتم بهینه سازی فاخته

بخش دوم:

فلوچارت و گام های الگوریتم

بخش سوم:

مثال

بخش چهارم:

کاربردها

بخش پنجم:

معرفی منابع اطلاعاتی

بخش اول:

معرفی الگوریتم بهینه سازی فاخته

رويكردهای موجود براي طراحي جواب‌هاي با كيفيت قابل پذيرش

براي بهبود اين الگوريتم‌ها از اواسط دهه هفتاد، موج تازه‌اي از رويكردها آغاز گرديد.

اين رويكردها شامل الگوريتم‌هايي است كه صريحاً يا به صورت ضمني تقابل بين ايجاد تنوع  جستجو (وقتي علائمي وجود دارد كه جستجو به سمت مناطق بد فضاي جستجو مي‌رود) و تشديد جستجو (با اين هدف كه بهترين جواب در منطقه مورد بررسي را پيدا كند) را مديريت مي‌كنند. اين الگوريتم‌ها متاهيوريستيك ناميده مي‌شوند.

روش جالب زندگی و تخم­گذاری فاخته

برخی از پرندگان هرگز برای خود لانه نمی­سازند و به جای آن تخم­های خود را در لانه سایر انواع پرندگان قرار می­دهند و صبر می­کنند تا آن­ها در کنار تخم­های خود به تخم­های این پرندگان نیز رسیدگی کنند.

این پرندگان در اصطلاح “پارازیت­های اولاد” نامیده می­شوند.

فاخته مشهورترین پارازیت اولادی می­باشد.

فاخته مادر یکی از تخم­های پرنده مادر میزبان را از بین می­برد و تخم خود را لابلای تخم­های دیگر موجود در لانه میزبان قرار می­دهد.

فاخته­ ها لانه ­های انواع گونه­ های پرندگان را آلوده به تخم خود می­کنند و این کار را به دقت و با تقلید از رنگ و الگوی تخم­های موجود در هر لانه انجام می­دهند.

هر فاخته­ ی ماده روی نوع خاصی از گونه پرندگان تخصص می­یابد.

در واقع فاخته­ ها به طور پیوسته تقلید خود را از تخم­های لانه­ های هدف بهبود می بخشند و پرندگان میزبان هم روش­های شناسایی تخم­های بیگانه را یاد می­گیرند.

جوجه ­های فاخته زودتر از تخم­های پرنده میزبان از تخم بیرون می ­آیند و زودتر هم رشد می­کنند.

در اکثر موارد جوجه­ ی فاخته تخم­ها و یا جوجه­ های پرنده میزبان را از لانه بیرون می­اندازند. این مساله کاملاً غریزی است.

فاخته ­های پارازیت انداز به گروه­هایی تقسیم می­شوند و هر گروه روی پرنده میزبان خاصی تخصص می­یابد. ثابت شده است که هر گروه از فاخته­ها به صورت ژنتیکی با گروه دیگر اختلاف دارند.

ایده اصلی COA

جستجوي فاخته، در سال 2009 توسط شين او يانگ و دب ساوش، توسعه يافته است.

پس از آن در سال 2011 الگوريتم بهينه سازي فاخته توسط رامین رجبيون ارائه گرديد.

جزئیات COA:

همانند سایر الگوریتم­های تکاملی COA هم با یک جمعیت اولیه کار خود را شروع می­کند.  جمعیتی متشکل از فاخته­ها.

این جمعیت از فاخته­ها تعدادی تخم دارند که آن­ها را در لانه تعدادی پرنده­ی میزبان خواهند گذاشت.

تعدادی از این تخم­ها که شباهت بیشتری به تخم­های پرنده میزبان دارند شانس بیشتری برای رشد و تبدیل شدن به فاخته بالغ خواهند داشت. سایر تخم­ها توسط پرنده میزبان شناسایی شده و از بین می­روند.

میزان تخم­های رشد کرده مناسب بودن لانه­های آن منطقه را نشان می­دهند.

هرچه تخم­های بیشتری در یک ناحیه قادر به زیست باشند و نجات یابند به همان اندازه سود (تمایل) بیشتری به آن منطقه اختصاص می­یابد.

پس از آنکه جوجه­ها از تخم درآمدند و به فاخته بالغ تبدیل شدند، جوامع و گروه­هایی تشکیل می­دهند.

هر گروه منطقه سکونت خود را برای زیست دارد.

بهترین منطقه سکونت تمام گروه­ها مقصد بعدی فاخته­ها در سایر گروه­ها خواهد بود.

تمام گروه­ها به سمت بهترین منطقه موجود فعلی مهاجرت می­کنند. هر گروه در منطقه­ای نزدیک بهترین موقعیت فعلی ساکن می­شود.

با در نظر گرفتن تعداد تخمی که هر فاخته خواهد گذاشت و همچنین فاصله فاخته­ها از منطقه بهینه فعلی برای سکونت تعدادی شعاع تخمگذاری محاسبه شده و شکل می­گیرد.

سپس فاخته­ ها شروع به تخمگذاری تصادفی در لانه­هایی داخل شعاع تخمگذاری خود می­کنند.

این پروسه تا رسیدن به بهترین محل برای تخمگذاری (منطقه با بیشترین سود) ادامه می­یابد. این محل بهینه جایی است که بیشترین تعداد فاخته­ها در آن گرد می­آیند.

تولید محل های سکونت اولیه فاخته ها (جمعیت اولیه جواب های کاندید):

برای حل یک مساله بهینه­ سازی لازم است تا مقادیر متغیرهای مساله به فرم یک آرایه شکل گیرند.

در GA و PSO این آرایه­ ها با نام­های “کروموزوم” و “موقعیت ذرات” مشخص می­شوند. ولی در COA به این آرایه habitat یا “محل سکونت” می­گوئیم.

در یک مساله بهینه­سازی N_var بعدی یک habitat یک آرایه 1*N_var خواهد بود که موقعیت فعلی زندگی فاخته­ها را نشان می­دهد. این آرایه به شکل زیر تعریف می­شود:

Habitat = [x₁,x₂,…,x_Nvar]

میزان مناسب بودن (یا مقدار سود) در habitat فعلی با ارزیابی تابع سود (f_p) در habitat به دست می­آید. بنابراین:

Profit = f_p)habitat) = f_p)x₁,x₂,…,x_Nvar)

همانطور که دیده می­شود COA الگوریتمی است که تابع سود را ماکزیمم می­کند.

برای استفاده از COA برای حل مسایل کمینه­سازی کافی است یک علامت منفی در تابع هزینه ضرب کنیم.

برای شروع الگوریتم بهینه ­سازی یک ماتریس habitat به سایز N_pop*N_varتولید می­شود.

سپس برای هر کدام از این habitat ها تعدادی تصادفی تخم تخصیص می­یابد.

در طبیعت هر فاخته بین ۵ تا ۲۰ تخم می­گذارد. این اعداد به عنوان حد بالا و پایین تخصیص تخم به هر فاخته در تکرارهای مختلف استفاده می­شود.

دیگر عادت هر فاخته حقیقی این است که آن­ها در یک دامنه مشخص تخم­های خود را می­گذارند Egg Laying Radius (ELR).

روش فاخته ها برای تخمگذاری

پاورپوینت مربوطه به صورت فایل دنلودی می باشند و شما به محض پرداخت آنلاین مبلغ همان لحظه قادر به دریافت فایل خواهید بود. این عملیات کاملاً خودکار بوده و توسط سیستم انجام می پذیرد.

 جهت پرداخت مبلغ شما به درگاه پرداخت یکی از بانک ها منتقل خواهید شد، برای پرداخت آنلاین از درگاه بانک این بانک ها، حتماً نیاز نیست که شما شماره کارت همان بانک را داشته باشید و بلکه شما میتوانید از طریق همه کارت های عضو شبکه بانکی، مبلغ  را پرداخت نمایید.