يك الگوريتم جديد كلوني مورچه مبتني بر جمعيت براي بهينه سازي پيوسته

محدوده ی كاربرد بهینه سازی پیوسته بسیار وسیع است. بسیاری از مسائل و پردازشها در دنیای واقعی به شكل مسائل بهینه سازی پیوسته مدل می شود. برای نمونه میتوان مسئله طراحی اشكال بهینه در توربین ها، انتخاب مقدار پارامترهای پیوسته مثل دما و فشار در پروسه های صنعتی و آموزش شبكه عصبی برای تشخیص پزشكی را نام برد. الگوریتمهای بهینه سازی كلونی مورچه دستهای ازالگوریتم های بهینه سازی تكاملی هستند كه با موفقیت در حل مسائل بهینه سازی گسسته عمل كردهاند. اخیراً نسخه هایی از بهینه سازی كلونی مورچه برای مواجه با مسائل بهینه سازی پیوسته توسعه داده شده است. در این مقاله یك الگوریتم جدید كلونی مورچه پیوسته به نامPbCACOبرای حل مسائل بهینه سازی پیوسته ارائه میشود كه بخوبی نقاط امید به جواب را در مسائل چند قله ای پیدا می كند. برای افزایش دقت، الگوریتم پیشنهادی با یك رویه ی جستجوی محلی تركیب میشود. در انتها با انجام آزمایشاتی كارآیی الگوریتم پیشنهادی مورد بررسی قرار میگیرد.