SIA: Swarm Intelligence Algorithms

الگوریتم های هوش جمعی

SIA: Swarm Intelligence Algorithms

الگوریتم های هوش جمعی

سبک میشیگان و پیتسبورگ در الگوریتم های فراابتکاری


الگوریتم های فراابتکاری را می توان براساس معیارهای مختلفی دسته بندی نمود. یکی از این معیارها وضعیت جواب روش از لحاظ میزان پوشش راه حل می باشد که به دو سبک الگوریتم های میشیگان و پیتسبورگ دسته بندی می شود. در سبک میشیگان هر کروموزوم نشان دهنده بخشی از جواب مسئله می باشد در حالی که در سبک پیتسبورگ هر کروموزوم نشان دهنده یک جواب کامل مسئله می باشد. سبک های میشیگان و پیتسبورگ در حوزه های مختلفی مورد استفاده قرار می گیرند. سبک پیتسبورگ می تواند به طور مستقیم بهینه سازی را انجام دهد. دیدگاه میشیگان برای تولید راه حل های محلی مورد استفاده قرار می گیرد در حالی که دیدگاه پیتسبورگ برای یافتن ترکیب خوبی از راه حل ها مورد استفاده قرار می گیرد. این دیدگاه قابلیت جستجوی بالائی ندارد. در شکل زیر تفاوت دو سبک میشیگان و پیتسبورگ نشان داده شده است. 

 

در جدول زیر هر دو دیدگاه به طور کامل با یکدیگر مقایسه شده اند.

 

از آنجائی که سبک میشیگان قابلیت جستجوی بالائی برای راه حل ها دارد و الگوریتم پیتسبورگ برای یافتن ترکیب راه حل ها مورد جستجو عملکرد خوبی دارد معمولاً این دو دیدگاه برای حل مسائل مختلف با یکدیگر ترکیب می شوند.

منابع

  1. Hugh Mallinson, Peter Bentley, “Evolving Fuzzy Rules for Pattern Classification”, esearchgate,1999.
  2. K. C. Tan, Q. Yu, T. H. Lee, “A Distributed Evolutionary Classifier for Knowledge Discovery in Data Mining”, IEEE Transactions on Systems, Man, and Cybernetics, Vol. 35, No. 2, MAY 2005.
  3. ناصر سیه چهره، مهدی رضاپور میرصالح ، محمدرضا میبدی، " ارائه الگوریتم ترکیبی مبتنی بر الگوریتمهای فرهنگی، پیتسبورگ و میشیگان برای حل مسائل بهینه سازی با ابعاد بالا"، اولین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ، سال 1394.
  4. ناصر سیه چهره خلردی ، محمدرضا میبدی، مهدی رضاپور میرصالح، "ارائه الگوریتم ترکیبی مبتنی بر الگوریتم های فرهنگی، پیتسبورگ و میشیگان"، کنفرانس پردازش سیگنال و سیستم های هوشمند، سال 1394.