الگوریتم بهینه سازی ملخ تکاملی برای مسیله فروشنده دوره گرد

چکیده مقاله

دراین مقاله روشی برای حل مساله مشهور فروشنده دوره گرد 1 TSP با استفاده از الگوریتم تکاملی 2EGOA ارایه شده استEGOA یک روش بهینه سازی است که از رفتار اجتماعی ملخها الهام گرفته است در 3GOA هرعضو جامعه موقعیت خود را در فضای جستجو باتوجه به موقعیت فعلی خود ، بهترین بهینه سراسری و موقعیت همه عضوهای دیگر جامعه تغییر میدهد در این مقاله با اعمال عملگر جهش تغییراتی در الگوریتم GOA ایجاد گردید که برای حل مسیله TSP مسیر بهینه را پیدا میکند الگوریتم GOA معمولا برای بهینه سازی توابع غیرخطی با متغیرهای پیوسته به کار میرود در حالیکه در مساله TSP با یک فضای جستجوی گسسته سروکار داریم بنابراین با استفاده از روش گسسته جایگشتی در مسیله TSP به ساختار متناسب با الگوریتم GOA تبدیل میشود الگوریتم پیشنهادی بر روی گرافی متشکل از 20 شهر تست شده است نتایج حاصل از این پژوهش را با الگوریتم GOA پایه و4PSO مورد مقایسه قرار داده ام و نتایج حاصل از این تحقیق بیانگر توانایی الگوریتم EGOA در پیدا کردن تور بهینه، تعداد فراخوانیهای تابع هدف و تابع هزینه مساله فروشنده دوره گرد میباشد

کلیدواژه‌ها

نویسندگان

سیما وثوقی اصل

دانشجوی دکتری تخصصی مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران شمال

آسیه پرواسی

دانشکده فنی و مهندسی، دانشگاه فنی و حرفه ای استان خراسان رضوی ایران

وثوقی اصل، سیما و پرواسی، آسیه،1397،الگوریتم بهینه سازی ملخ تکاملی برای مسیله فروشنده دوره گرد،پنجمین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات26 مهر 1397 · بابل