افزایش سرعت همگرایی الگوریتم کلونی زنبور عسل به کمک یادگیری تقویتی

مجله فناوری اطلاعات در طراحی مهندسی

دوره 14، شماره 1، شهریور 1400   

نوع مقاله: مقاله پژوهشی

نویسندگان

آزاده جوادی^{* 1}؛ گلاره ویسی²

¹گروه مهندسی کامپیوتر، واحد نیشابور، دانشگاه آزاد اسلامی، نیشابور، ایران

²گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

چکیده

الگوریتم کلونی زنبور عسل مصنوعی (ABC) در بسیاری از مسائل بهینه سازی پیچیده نتایج مطلوبی را کسب کرده است، اما از مشکلاتی نیز رنج می‌برد که از آنجمله می‌توان به عدم قدرت کافی در استخراج جواب‌های پیرامون جواب‌های قبلی، اشاره نمود. همین مسئله باعث شده که ABC نسبت به سایر الگوریتم‌های تکاملی سرعت همگرایی کمتری داشته باشد. برای حل این مشکل یکی از مناسب ترین راهکارها استفاده از یادگیری تقویتی (RL) است که بوسیله آن می‌توان در هر موقعیت، استراتژی بهینه را برای هر زنبور عسل تعیین نمود. از این رو، در این مقاله یک الگوریتم ممتیک ABC ارائه شده است که در آن از تعدادی عبارات بروز رسانی استفاده میشود، به طوری که هر یک از این عبارات به میزان مختلفی از خواص اکتشاف و استخراج برخوردار هستند. سپس RL سیاستی را ارائه می‌نماید که توسط آن، هر زنبور عسل میتواند در هر زمان، عملیات بهینه را از میان عملیات‌های مذکور انتخاب نماید. جهت بررسی عملکرد روش پیشنهادی و مقایسه آن با سایر الگوریتم‌های تکاملی، از آن‌ها در بهینه سازی توابع معیار متعددی استفاده شده است که نتیجه آزمایشات بیانگر قدرت روش پیشنهادی در مقایسه با سایر الگوریتم های تکاملی است

کلیدواژه‌ها

الگوریتم های تکاملی؛ الگوریتم زنبور عسل مصنوعی؛ اکتشاف؛ استخراج؛ یادگیری تقویتی