بهبود دقت الگوريتم كرم شب تاب به وسيله الگوريتم خفاش

Improvement Of Firefly Algorithm (FA) By Bat Algorithm (BA)

الگوريتم هاي فراابتكاري يكي از روش هاي حل موثر مسائل پيچيده به شمار مي روند كه نيازي به محاسبه گراديان تابع هدف ندارند و پيش فرض خاصي نظير خطي بودن يا پيوسته بودن را در نظر نمي گيرند و بيشتر موارد، جواب هاي قابل قبولي ارايه مي دهند. الگوريتم كرم شب تاب يكي از الگوريتم هاي فراابتكاري با رويكرد گروهي و دسته جمعي است كه از رفتار نورافشاني كرم هاي شب تاب براي حل مسائل بهينه سازي استفاده مي نمايد. در الگوريتم كرم شب تاب هر راه حل مسئله به صورت يك كرم شب تاب در نظر گرفته مي شود و كرم هاي شب تاب بر حسب شايستگي مي توانند از خود نور توليد و ساير كرم هاي شب تاب را به سمت خود جذب نمايند. الگوريتم كرم شب تاب داراي دقت مناسبي براي حل مسائل بهينه سازي است و از طرفي روابط آن ساده و فاقد پيچيدگي بالا است با اين وجود در الگوريتم كرم شب تاب مكانيزم جستجوي محلي و سراسري وجود ندارد و اين عامل باعث مي شود دقت الگوريتم كاهش يافته و آن را مستعد گرفتار شدن در بهينه هاي محلي نمايد. در اين پژوهش يك روش پيشنهادي جديد به كمك مفاهيم بكار رفته در الگوريتم خفاش بكار گرفته مي شود تا مكانيزم جستجوي محلي و سراسري در الگوريتم كرم شب تاب ايجاد شود تا دقت آن در حل مسائل بهينه سازي افزايش يابد. نتايج پياده سازي و آزمايشات بر روي مجموعه اي از توابع ارزيابي در محيط متلب نشان مي دهند ميزان خطاي محاسبه ي بهينه سراسري در روش پيشنهادي نسبت به الگوريتم هايي نظير خفاش، كرم شب تاب و ذرات كمتر است.

Meta-heuristic algorithms are one of the effective methods for solving complex problems that do not require the calculation of the objective function gradients, and do not take into account any specific assumptions such as linearity or continuity, and most cases The answer is acceptable. The Firefly algorithm is one of the meta- heuristic algorithms with group approach that uses light bulb behavior of Firefly to solve optimization problems. In the Firefly algorithm, each solution is considered as a Firefly, and Firefly can, by virtue of their merits, produce light from production and other Firefly Attract yourself. The Firefly algorithm has an accurate precision for solving optimization problems and on the other hand, its relations are simple and lacking in complexity, however, there is no local and global search engine algorithm in the Firefly algorithm, which reduces the accuracy of the algorithm and makes it vulnerable to being caught up in local optimizations. In this research, a new proposed method with the help of the concepts used in the bat algorithm is used to create a local and global search mechanism in the Firefly algorithm to increase its accuracy in solving optimization problems. The results of implementation and experiments on a set of benchmark functions in Matlab environment show that the optimal computational error rate in the proposed method is lower than that of algorithms such as Bat, Firefly and PSO.