الگوريتم كلوني زنبورعسل چند جمعيتي آشوب گونه مبتني بر حافظه و پرواز لِوي براي حل مسائل بهينه سازي پويا

در دنياي واقعي اغلب مسائل بهينه سازي داراي ماهيت پويايي مي باشند. در اين مسائل جواب بهينه با گذشت زمان تغيير مي كند، بنابراين الگوريتم هاي مورد استفاده براي حل اينگونه مسائل بايد قابليت تطبيق پذيري با اين محيط را داشته باشند، به اين صورت كه با تغيير شرايط مسئله قادر به پيگيري جواب بهينه باشند. در اين مقاله الگوريتم كلوني زنبورعسل چند جمعيتي آشوبي مبتني بر حافظه و پرواز لِوي (MCLABCA) براي كشف و پيگيري پاسخ بهينه مسائل، با ماهيت پويا پيشنهاد شده است. به منظور بهبود عملكرد همگرايي و سرعت جست و جوي فضاي جواب در پيدا كردن بهترين جواب از رويكرد پرواز لِوي و آشوب در اين الگوريتم استفاده شده است. همچنين يك سيستم آشوب گونه پيش بيني دقيق تري از آينده نسبت به سيستم تصادفي دارد. از رويكرد حافظه نيز به منظور ذخيره راه حلهاي مفيد و فراخواني مجدد آنها در صورت نياز به كارگرفته شده است. به منظور ارزيابي عملكرد روش پيشنهادي، از مسئله معروف محك قله هاي متحرك براي محيط آزمايشها استفاده شده است و نتايج تجربي نشان دهنده كارايي بهتر روش پيشنهادي براي حل مسائل بهينه سازي پويا، در مقايسه با ساير روشهاي مطرح مرز دانش است.