الگوریتم فاخته
در زیر ترجمه مقاله isi الگوریتم فاخته (Cuckoo Optimization Algorithm) به صورت رایگان قرار داده شده است. الگوریتم فاخته اولین بار توسط استاد رامین رجبیون ارائه شد. الگوریتم فاخته از سری الگوریتم های فراابتکاری است که از زندگی یک خانواده از پرندگان به نام فاخته ها، الهام گرفته است. الگوریتم بهینه سازی فاخته (COA) با یک جمعیت اولیه آغاز می شود. فاخته های بالغ و تخمها تلاش فاخته ها برای زنده ماندن اساس الگوریتم بهینه سازی فاخته را تشکیل می دهد. در طول مسابقه برای زنده ماندن، برخی از فاختهها یا تخم های آنان از بین می روند. جامعه فاختگان نجات یافته به یک محیط بهتر مهاجرت می کنند، و دوباره شروع به تکثیر و تخم گذاری می کنند.
در این مقاله، ما یک الگوریتم تکاملی بهینه سازی جدید را معرفی می کنیم که از زندگی یک خانواده از پرندگان به نام “فاخته” الهام گرفته است. نحوه خاص تخم گذاری و زاد و ولد فاخته ها، اساس این الگوریتم بهینه سازی نوین است. فاخته هایی که در این مدل از آن ها استفاده می شود، بر دو نوع اند: فاخته های بالغ و تخم ها. فاخته های بالغ در لانه های پرندگان دیگر تخم گذاری می کنند و اگر این تخم ها توسط پرنده های میزبان شناسایی و نابود نشوند، رشد می کنند و به فاخته های بالغ تبدیل می شوند. امید می رود، خصوصیات زیست محیطی و مهاجرت جوامع (گروه های فاخته ها آن ها را به سمت همگرایی و یافتن بهترین محیط برای زاد و ولد و تکثیر هدایت کند. این بهترین محیط، ماکزیمم مطلق توابع هدف است. این مقاله نشان می دهد که چگونه شیوه حيات فاخته ها مدل سازی و اجرا می شود. بخش 2 پرندگانی به نام فاخته را مورد بررسی قرار می دهد و ویژگی های شگفت انگیز زندگی آن ها را مرور می کند. در بخش 3، الگوریتم بهینه سازی فاخته ارائه می شود و قسمت های مختلف آن با جزئیات مورد مطالعه قرار می گیرد. در بخش ه الگوریتم پیشنهاد شده با چند تابع محک و نیز با طراحی کنترل کننده یک فرآیند چند ورودی – چند خروجی (MIMO) به عنوان یک مطالعه موردی واقعی، آزموده می شود. سرانجام در بخش 5 نتیجه گیری انجام می شود.
مزایای اصلی الگوریتم های تکاملی عبارتند از:
(1) مقاوم بودن به تغییرات پویا: روش های سنتی بهینه سازی نسبت به تغییرات پویا در محیط زیست قوی نیستند و برای تهیه راه حل نیاز به راه اندازی مجدد کامل دارند. در مقابل ، محاسبه تکاملی می تواند برای انطباق راه حل ها با شرایط تغییر یابد.
(2) کاربرد گسترده: الگوریتم های تکاملی می تواند برای هر مساله ای که می تواند به عنوان مسائل بهینه سازی عملکرد مورد استفاده قرار گیرد ، اعمال شود.
(3) هیبریداسیون با روش های دیگر: الگوریتم های تکاملی را می توان با تکنیک های بهینه سازی سنتی تر ترکیب کرد.
(4) مشکلاتی را حل می کند که هیچ راه حلی ندارند: مزیت الگوریتم های تکاملی شامل توانایی رسیدگی به مشکلاتی است که برای آنها تخصص انسانی وجود ندارد. حتی اگر تخصص انسانی باید در هنگام نیاز و در دسترس استفاده شود. غالباً برای روال های خودکار حل مسئله مشکل کمتری دارد.
فاخته ها و روش منحصر به فرد آن ها در تکثیر
همه 9000 گونه پرندگان شیوه یکسانی برای والد شدن دارند: روش تخم گذاری. هیچ پرنده ای نوزاد به دنیا نمی آورد. پرندگان به سرعت یک تخم درون یک پوسته محافظ تشکیل می دهند و روی آن می خوابند. اندازه بزرگ تخم ها، این را برای پرنده مؤنث دشوار می کند که در یک زمان، از بیش از یک تخم نگهداری کند. به همراه داشتن تخم ها، پرواز را سخت تر می کند و به انرژی بیشتری نیاز دارد. و چون یک تخم، غنیمتی پر از پروتئین و مغذی برای همه شکارچیان است، پرندگان باید جایی امن برای تخم گذاری بیابند. یافتن مکانی برای تخم گذاری به صورت ایمن و پرورش جوجه شان تا رسیدن به استقلال، چالشی است که پرندگان آن را با راه های هوشمندانه ای حل کرده اند. آن ها از هنر، طراحی و مهندسی پیچیده استفاده می کنند. تنوع ساختاري لانه ها هیچ معادلی در دنیای جانوران ندارد. بسیاری از پرندگان، الانه های منفرد و ناپیدای پنهان شده لابلای پوشش گیاهی می سازند تا از شناسایی توسط شکارچیان دور بمانند. بعضی از آنان چنان در پنهان کردن لانه هایشان موفق اند که حتی چشم های جست و جو گر انسان هم به ندرت آن ها را دیده است.
پرندگانی هم هستند که تمام عرف های لانه سازی و والدي را رها می کنند و برای پروراندن خانواده شان به حیله گری متوسل می شوند. این ها “جوجه های انگلی” هستند، پرندگانی که هرگز لانه خودشان را نمی سازند و در عوض در لانه گونه های دیگر تخم گذاری می کنند و نگه داری از جوجه شان را به والدین آن گونه می سپارند. فاخته، شناخته شده ترین انگل جوجه است و ماهر در فریب ظالمانه. رویکرد او شامل پنهان کاری، غافل گیری و سرعت است. فاخته مادر تخم پرنده گونه میزبان را بر می دارد، تخم خودش را به جای آن در لانه قرار می دهد و با تخم میزبان روی منقارش لانه را ترک می کند. کل این فرآیند کم تر از 10 ثانیه طول می کشد. فاخته ها انگل لانه های انواع زیادی از گونه های پرندگان می شوند و با دقت رنگ و شکل تخم های خود را با تخم های گونه های میزبان تطبیق می دهند. هر فاخته مؤنث روی یک گونه میزبان خاص، تخصص دارد. این که چگونه فاخته قادر است طوری تخم گذاری کند که دقیقا از تخم های هر میزبان تقلید کند، یکی از معماهای اصلی طبیعت است. بسیاری از پرندگان یاد می گیرند که یک تخم فاخته قرار گرفته در لانه خودشان را شناسایی کنند و یا این تخم عجیب را به بیرون پرتاب کنند یا آن لانه را رها کنند و از نو لانه بسازند. الگوریتم فرا ابتکاری فاخته در شکل زیر آورده شده است.
سبک فاخته برای تخم گذاری
هر فاخته شروع به تخم گذاری به طور تصادفی در لانه های پرندگان میزبان دیگر در ELR خود می کند. شکل 2 نمای روشنی از این مفهوم ارائه می دهد.
تخم گذاری تصادفی در تخم مرغ ELR ، ستاره قرمز مرکزی زیستگاه اولیه فاخته با 5 تخم است. ستاره های صورتی لانه جدید تخم ها هستند.
شبه کد الگوریتم بهینه سازی فاخته
- به محل زندگی فاخته ها با چند نقطه تصادفی روي تابع سود، مقدار بدهید.
- به هر فاخته تعدادي تخم اختصاص دهید.
- ELR را براي هر فاخته مشخص کنید.
- به فاخته ها اجازه دهید در ELR مربوط به خود، تخم گذاري کنند.
- تخم هایی که توسط پرندگان میزبان شناسایی می شوند را از بین ببرید.
- اجازه دهید جوجه ها به دنیا بیایند و رشد کنند.
- محل زندگی هر فاخته بالغ جدید را ارزیابی کنید.
- تعداد حداکثر فاخته ها در محیط را محدود کنید و آنهایی که در بدترین محل ها زندگی می کنند را از بین ببرید.
- فاخته ها را دسته بندي کنید و بهترین گروه را بیابید و محل زندگی هدف را برگزینید.
- به جمعیت جدید فاخته ها اجازه مهاجرت به محل زندگی هدف بدهید.
مطالب مشابه و مرتبط: