الگوریتم های حافظه دار و بدون حافظه

الگوریتم ها به خصوص الگوریتم های فراابتکاری از دیدگاه مختلفی دسته بندی می شوند. امروزه بسیاری از الگوریتم های فراابتکاری از تجربه جستجوی خود برای راهنمائی عملیات جستجو استفاده می کنند.  یک ویژگی مهم از الگوریتم های فراابتکاری به منظور طبقه بندی آنها معیار تاریخچه جستجو (search history) می باشد. بر این اساس دو نوع الگوریتم های حافظه دار (memory method) و الگوریتم های بدون حافظه (memory-less method) ظهور پیدا می کنند.  

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. 

الگوریتم بهینه سازی ازدحام ذرات (PSO)

الگوریتم بهینه سازی ازدحام ذرات (PSO)

بهینه سازی ازدحام ذرات یک الگوریتم تصادفی و مبتنی بر جمعیت می باشد که در سال 1995 توسط جمیز کندی و راسل ابرهارت معرفی شده است. بعد از آن پژوهش های زیادی روی آن انجام شده است. محبوبیت آن به دلیل سادگی پیاده سازی آن و قابلیت حل مسائل متعددی از علوم مختلف و مهندسی شامل طراحی بهینه از سیستم های برق، انتخاب ویژگی در ارتباط فعالیت - ساختارگرا در سیستم های پژشکی، بهینه سازی عددی، کنترل صنعتی و مانند آن می باشد. PSO از اجتماع الهام گرفته شده است و از طریق اعضای کلونی سازماندهی شده فعالیت می کند.  بنابراین جزو الگوریتم های هوش جمعی محسوب می شود. از طرفی همان طور که در شکل 1 نشان داده شده است مولفه های اصلی در هوش جمعی جمعیت و همکاری است که منجر به ارتباط می شود و سپس تبادل اطلاعات و در نتیجه باعث جریان اطلاعاتی و خود ترتیبی می شود. که الگوریتم PSO از این مسئله مستثنی نمی باشد. الگوریتم PSO اشتراک زیادی با الگوریتم های تکاملی مانند الگوریتم ژنتیک دارند بنابراین در جنبه های زیادی در رفتار آنها مشترک می باشد.