بهبود همگرايي الگوريتم جهش قورباغه مخلوط شده با استفاده از آنتروپي

درسال‌هاي اخير، محاسبات تكاملي‌كه رفتار اجتماعي نمونه هاي بيولوژيكي طبيعي را تقليد مي‌كنند، پيشرفت شگفت انگيزي در علوم كامپيوتر بشمار مي‌آيند و در حل مسائل بهينه سازي نامحدود، روشهاي مختلفي از آن مورد استفاده قرار گرفته است. الگوريتم هاي ممتيك دسته‌ي خاصي از روشهاي جستجوي فرااكتشافي هستند كه از مدلهاي منطبق بر سيستم هاي طبيعي نتيجه مي‌شوند. الگوريتم جهش قورباغه‌ي مخلوط شده نيز يك الگوريتم جستجوي سراسري مي‌باشد، كه الگوهاي رفتاري تكاملي گروهي از قورباغه‌ها را زماني‌كه به دنبال يافتن محلي با بيشترين مقدار غذا مي‌باشند، تقليد مي‌كند. اين الگوريتم در مسائل بهينه‌سازي با ابعاد بالا نتايج خوبي از خود نشان نمي‌دهد. در اين مقاله روشي در جهت بالابردن دقت، سرعت همگرايي و افزايش توانايي الگوريتم جهش قورباغه‌ي مخلوط شده در جستجوي محلي و سراسري ارائه شده است. در روش پيشنهادي، با تغيير گام جهش به كمك آنتروپي، بهبود قابل توجهي در نتايج الگوريتم مشاهده‌ مي‌گردد. الگوريتم بهبود يافته با ساير الگوريتم‌هاي تكاملي مانند الگوريتم بهينه‌سازي ازدحام ذرات آشوبناك، الگوريتم رقابت استعماري و الگوريتم جهش قورباغه‌ي مخلوط شد‌ه‌ي استاندارد مقايسه مي‌شود. اين مقايسه بر روي تعدادي از توابع محك، كه توابعي پيوسته با ابعاد بالا مي‌باشند، صورت گرفته است. نتايج بر روي ميانگين مقدار تابع در اجراهاي متوالي الگوريتم‌هاي مورد نظر و تعداد دفعات فراخواني تابع برازندگي(NFE) در رسيدن به پاسخ بهينه، مورد بررسي قرار گرفته است. نتايج به دست آمده بيانگر اين است كه الگوريتم پيشنهادي در مسائل بهينه سازي پيوسته با ابعاد بالا، نه تنها بهبود قابل‌توجهي در رسيدن به پاسخ بهينه داشته، بلكه سرعت همگرايي الگوريتم را نيز بهبود مي بخشد.