یک الگوریتم الهام‌گرفته از طبیعت مبتنی بر نظریه شرطی‌سازی کلاسیک

Abstract

الگوریتم‌های فرا ابتکاری الهام‌گرفته از طبیعت که به تقلید از طبیعت می‌باشند، یک دوره جدید را در حل مسائل بهینه‌سازی باز کردند. در این مقاله با استفاده از رفتار یادگیری شرطی‌سازی کلاسیک پرندگان، ذرات یاد می‌گیرند یک رفتار طبیعی شرطی را در قبال یک محرک غیرشرطی انجام دهند. ذرات در فضای مسئله به چندین دسته تقسیم خواهند شد و هر ذره اگر تنوع دسته خود را در سطح پایینی دید، سعی خواهد کرد به سمت بهترین تجربه شخصی خود حرکت کند و اگر سطح تنوع دسته بالا بود ذره یاد خواهد گرفت که در این شرایط به سمت بهینه عمومی دسته خود متمایل شود. همچنین با استفاده از ایده حساسیت پرندگان نسبت به فضایی که در آن پرواز می‌کنند، سعی شده که ذرات در فضاهای نامناسب با سرعت بیشتری به‌حرکت درآمده تا ذره از آن فضا دور گردد و بالعکس در فضاهای پرارزش سرعت ذرات جهت جستجوی بیشتر، پایین خواهد آمد. در جمعیت‌دهی اولیه نیز با استفاده از رفتار غریزی پرندگان، یک جمعیت‌دهی براساس شایستگی ذرات انجام خواهد شد. روش پیشنهادی در نرم‌افزار متلب پیاده‌سازی شده و نتایج در چندین بخش با روش‌های مختلف مشابه مقایسه و نتایج حاکی از آن بوده که روش پیشنهادی یک الگوریتم قابل‌اتکا در حل مسائل بهینه‌سازی ایستا می‌باشد.