the bee colony optimization (persian)

The Bee Colony Optimization

به روش کلونی زنبوربهینه سازی

:زنبور در طبیعت

استدهشبناحشراتخارجییسادهقوائدسرییکاساسبرزنبورهاسازمانیسیستم.

خودکهاینتاکنددنبالراخودکندویهمزنبورقبلیراهکهدهدمیترجیحزنبورهر

.بگرددجدیدگلدنبالبه

استزیرکارهایانجامبهقادرشهدآوریجمعوگلهابهزنبوررسیدنبا:

منبع) .کندیداپجدیدمنبعیبتواندتابگرددرقصانیزنبوردنبالبهدوبارهوکندرهاراغذا1

خود) .بگرددجدیدغذاییمنابعدنبالبه2

در) .بکشاندخوددنبالبهراجدیدیزنبورهایوکردهرقصیدنبهاقدامکندو3

انواع رویه های زنبوری

BS (Bee System)

BCO (Bee Colony Optimization)

ABC (Artifitial Bee Colony)

FBS (Fuzzy Bee Colony)

بهینه سازی فوق ابتکاری کلونی زنبور عسل(The Bee Colony Optimization Metaheuristic)

مامورهااجتماع(Agents)مشکلترمسائلحلبرایمصنوعیزنبورعنوانتحت

دارندقرارکندودرابتدازنبورهاکلیه.

یکدیگربازنبورهامستقیمارتباط.

مأمورهرتوسطمخصوصحرکاتانجام.

زیرپایه ایوکمکیحلهایراهایجاد.

ترکیبیمسألهحلبرایاصلیحلراهایجادوحلهاراهادغام.

روند یافتن راه حل

سرهمپشتتکرارهای.

زنبوراولینتوسطزیرپایهحلراهارائهبااولمرحلهپایان.

مرحلهاولینخاللدرپایهزیرحلراهبهترینانتخاب.

هزیرپایمسألهبرایجدیدحلیراهیافتنجهتقبلمرحلهتکراربادوممرحلهدر.

ودمی شمشخصآنالیستتوسطآنمقادیرکهمرحلههردرحلراهچندیایکایجاد.

حرکت زنبورها در فضا

جلوسمتبهحرکت:

مسألهحلبرایجدیدحلراهیافتن:

فردیجستجوی

(وفاداری)قبلیشدهکسباطالعات

(کندوبهبازگشت)عقبسمتبهحرکت:

گیریتصمیمفرآینددرشرکت

داردکیفیتاساسبررادیگرزنبورهایاطالعاتدریافتودرکتواناییزنبورهر:فرض

زنبورهاتوسطمسألهحلبهترراههایکردنپیدادرقابلیت

مدهتصمیمهای زنبور براساس اطالعات جدید بدست آ

بعیمنکهبگرددکسیدنبالبهرقصسالندروکردهرهاراخودحلراهمنبع

.دارداختیاردربیشترکیفیتبا

برودخودحلراهمنبعسراغبهدوباره,کندجذبراکسیاینکهبدون.

رهایزنبوکردنجمعدرسعی(رقصیدن)خاصحرکاتیانجامبارقصسالندر

.باشدداشتهخوددوربهدیگر

فاکتور وفاداری

آوردمیتدسبهخودمنبعاززنبورکهکیفیتیمیزاناساسبرفاکتوریایجاد.

کردهپیدازنبورخودکهراهیبهوفادارییعنی.

ایتکرارهدرجلوسمتبهحرکتهایدرجدیدحلراهکردنپیدادرآنتأثیر

.بعدی

سویبهحرکت»و(جدیدحلراهیافتن)«جلوسویبهحرکت»مراحلتکرار

.مسألهبرایکاملتقریباًجوابیافتنتا(بحثدرشرکت)«عقب

(BCO pseudo code)شبه کد الگوریتم بهینه کلونی زنبور

شروع:

زنبورهاتعدادکردنمشخص(B)تکرارهاتعدادو(I)مراحلتعدادنمودنمشخص(ST)هرکردنپیدا

(انتخابحلراهاولینوبهترین).مسئلهازxحلقابلنتیجهگونه

Set i:=1 , Until i=I رابعدیمراحلکنتکرارو

Set j:=1, Until j=m رابعدیمراحلکنتکرارو

انتخاب:(رفت)جلوسمتبهحرکتBزیرپایهحلهایراهمجموعهازراحلراهSjدرمرحلهstj.

(برگشت)عقبسمتبهحرکت:

کندوبهبازگشت

شدهارائهحلهایراهکیفیتمورددراطالعاتاشتراک

(BCO pseudo code)شبه کد الگوریتم بهینه کلونی زنبور

بعدمرحلهحرکتبرایگیریتصمیم:

افتادنکندوییهمیکدنبالبهومنبعکردنرها

رفتنجدیدمنبعدنبالتنهاییبه

سالندررقصیدنباخودکردندنبالبهدیگرانکردنمشتاق

Set j:=j+1

حلراهبهتریناگرxiدرکهiرااخیرراه حلآنگاهاست،اخیرحلراهازبهترآمدهبدستتکرارامین

x)می کنیمروزبه = xi)

Set i:=i+1

The Fuzzy Bee System

حلراهبهترینکردنپیدادرزنبورهابیندررایجمشکالتبرخی:

؟چیستشوداضافهاصلیحلراهبهبایدکهبعدیزیرپایهحلراه

؟رفتجدیدیزیرپایهحلراهدنبالبهوکردرهارافعلیزیرپایهحلراهبایدآیا

؟نرفتزنبورهادیگربدنبالفعالولیدادادامهفعلیزیرپایهحلراهگسترشبهبایدآیا

Decision Maker Agents

هستنداطالعاتبیشترینداشتنبامامورانی.

می گیرندنظردرمسئلهحلبهدادنپایانبرایراحلراهبهترینهمیشه.

مختلفمسئلهحلمدلهایایجادبرایبی قاعده ترراههایازاستفاده.


فازیمنطق

زادهعسکرعلیلطفیپروفسورتوسطتعریف(بهمعروفZadeh).

قطعیتعدمبامسائلتوضیحدرقابللیتایجاد.

دهشارائهجدیدزیرپایهحلهایراهمورددرزنبورهاگیریتصمیممنطقبعنوانفازیمنطقانتخاب:

جذابخیلیوجذابجاذبه،کم

،بلندومتوسطکوتاه

،گرانومتوسطارزان


مجوعه های فازی توصیف فاصله

ذابیتجالگوریتم منطق تقریبی برای حل کردن مسئله

ستاجذابخیلیآمدهبدستحلراهباشدآنگاهخوبخیلیپایهزیرحلراهازآمدهبدستمقادیراگر.

(تمالگوریاینازاستفادهاصلیامتیازوهدف)تقریبیاطالعاتازاستفادهباراه حلجذابینمیزانتعیین

پایهزیرحلراهمثالi:

پایهزیرحلراهالحاقاحتمالiجذابیتهایتمامیبرآنجذابیتمیزاننسبتبااستبرابراصلیحلراهبه

:دیگرزیرپایهراه حلهای

روشازاستفادهRoulette Wheel Selection(رولتچرخانتخاب)جدیدحلراهکردناضافهبرای.

Bee's Partial Solutions Comparison Mechanism

(زیرپایه)جزئیراه‌حلهایمقایسهمکانیزم

زیرپایهحلراهبدیمفهوم:

Lk بدی راه حل زیرپایه به وسیله یkامین زنبور

L(k) مقادیر تابع مفعولی از راه حل زیرپایه ایی که به وسیله یkامین زنبور کشف شده

Lminو تاکنونمقادیر تابع مفعولی از بهترین راه حل زیرپایه ی کشف شده از ابتدای روند جستج

Lmaxو تاکنونمقادیر تابع مفعولی از بدترین راه حل زیرپایه ی کشف شده از ابتدای روند جستج

بودخواهدکمترنیزآنبهوفاداریباشدبدترآمدهبدستحلراههرچه.

Bee's Decision About Recruiting The Nestmates( کندویی هاتصمیم زنبور عسل برای جذب هم )

هستنداجتماعیبشدتحشراتزنبورها.

همراهجذببدونقبلیدرمسیرحرکتتکراررخداداحتمال(p*)می گیریمنظردرپایینبسیار:

(p*<<1)

جمعیهوشایجادنتیجهدربرابراحتمالبارقصیدنورقصمحلبهپرواز

خواهدبعیتتدیگرزنبوریازورفتهسالنبهباشدنداشتهراخودقبلیمسیردرپروازقصدزنبوراگر

نمود

Calculating the number of bees changing the path(محاسبه تعداد زنبورهایی که تغییر مسیر می دهند)

استداشتهاصلیویژگیدوباید,شدهاعالنرقصیناحیهدرکهزیرپایهحلراههر:

مفعولیتابعمقادیر

اندکردهاعالنرازیرپایهحلراهآنکهزنبورهاییتعداد

شدهاعالنیزیرپایهحلراهجذابیتکردنمعینبرایتقریبیمنطقالگوریتم

استوسطمتزیرپایهحلراهجذابیتباشد،کمکنندهاعالنزنبورهایتعدادوباشدکوتاهشدهاعالنراهطولاگر.

[0,1]بازهمقادیردردارایجذابیت.

Calculating the number of bees changing the path(محاسبه تعداد زنبورهایی که تغییر مسیر می دهند)

مثال:

PiوPjفرضیمسیردو

NijکهزنبورهاییتعدادPiبهوکردهترکراPjاندپیوسته.

فازیمنطقالگوریتم:

باشد، آنگاه تعداد باال Pjپایین باشد و جذابیت راه Piراه وفاداری زنبورها به اگر »

«.باال استPjبه راه Piراه زنبورهای جابجا شده از

(Ride-matchinng)حل مسأله یافتن هم مسیر Fuzzy Bee Systemبکمک


به اشتراک گذاری ماشیناستفاده مشترک چند نفر با دو یا چند مبدأ و مقصد از یک وسیله نقلیه

کاهش هزینه برای افراد

کاهش ترافیک

اطالعات دریافتی از شرکت کنندگان در طرح:(.سه و یا چهار نفر, دو )ظرفیت وسیله ی نقلیه ( الف

روزهایی از هفته که هر فرد برای شرکت در ( بRS استحاضر.

مبدا سفر برای هر روز هفته( ج.

مسافت سفر برای هر روز هفته( د.

هفتهیا زمان رسیدن برای هر روز /مقصد مورد نظر و(ه


تعریف مسأله:

ش ممکنبهترین رو»مسیریابی و زمان بندی وسایل نقلیه و مسافران برای تمامی هفته در» .

توابع پتانسیل مفعولی:

کردن کل مسافتی که توسط تمامی اعضای شرکت کننده پیموده میشودکمینه.

کردن وقفه ی کلکمینه.

کردن نسبی بهره برداری از وسایل نقلیهبرابر.

(راننده مرحله اول، سرنشین دوم مرحله دوم و )هر مسافر یک گره : فرض...


اعمال زنبور:

بازدید از تعداد معینی از گره ها

ایجاد راه حل جزئی

بازگشت به کندو( گرهO)

گیریشرکت در روند تصمیم

مقایسه راه حلهای ارائه شده

تصمیم گیری براساس کیفیت راه حلهای جزئی تولید شده:

مسیر تولید شده را رها کرده و تبدیل به یک دنبال کننده شود.

به تنهایی در مسیر تولید شده حرکت کند.

در سالن رقص به دنبال جذب زنبورهای دیگر به مسیر تولید شده خود کند.


د شدهایجاد وفاداری در زنبور نسبت به راه قبلی با توجه به کیفیت راه حل جزئی تولی.

مثال:


زنبورهایB1 وB2 وB3 فرایند تصمیم گیری شرکت می کننددر .

زنبور , از مقایسه تمام راه حلهای زیرپایه تولید شدهپسB1 تصمیم می گیرد راه فعلی را ترک

. ملحق شود B2کرده و به زنبور

زنبورهایB1 وB2 هم در طول مسیری که به وسیله ی زنبور باB2 پرواز می کنند, شدهتولید.

بعدی که هنگامی که به انتهای مسیر رسیدند آنها آزاد هستند تا تصمیمی فردی درباره ی گره

. باید بازدید شود بگیرند


زنبورB3 می دهدپرواز در طول مسیر بدون گرفتن همراه ادامه به

دوباره عمل رفت را انجام می دهندزنبورها .

راه, کنندمیمالقاترا(باراولینبهنسبت)بیشترگرهکمیتعدادزنبورهارفتدومینطیدر

جراارابرگشتعملدوبارهآنازپسومی دهندتوسعهراقبلیشدهتولیدزیرپایهحلهای

.بازمی گردند(Oگره )کندوبهومی کنند

رارفتسومین,می گیرندتصمیم,می کنندشرکتگیریتصمیمفراینددرزنبورهادوبارهکندودر

...ومی کننداجرا


تکرار هنگامی تمام می شود که زنبورها تمامی گره ها را بازدید کرده باشند .

کمتر»وانبعنراخاصیگرهزنبورشود،بازدیدبعدیرفتدربایدکهبعدیگرهانتخابهنگام

دوبینزمانییامکانینزدیکیبهوابستهکهمی گیردنظردر«جذابخیلی»و«جذاب»،«جذاب

.استمسافردوازدرخواست

مکانیفاصلهبندیتقسیم:

مقصدبهورودمسافتمبدأ

طوالنیمتوسطکوتاه


گرهمنطق تقریبی جذابیت قانون الگوریتم:

ود کوتاه باشد، اگر فاصله ی مکانی در مبدا کوتاه باشد و فاصله ی مکانی در مسافت کوتاه باشد و فاصله ی زمانی ور

. آنگاه جذابیت گره باال است

مسیرالگوریتم منطق تقریبی جذابیت قانون:

اه جذابیت آن اگر طول مسیر پیشنهادی کوتاه باشد و تعداد زنبورهایی که آن راه را پیشنهاد داده اند کم باشد، آنگ

.راه متوسط است

the bee colony optimization (persian)

Education