ناهید شایگان پور - آموزشکده فنی و حرفه ای سما،دانشگاه آزاد اسلامی واحد بروجرد،ایران
محمدرضا میبدی - عضو هیات علمی دانشگاه امیرکبیر تهران،دانشکده کامپیوتر

اخیرا در سالهای اخیر علاقه رو به رشدی در حوزه هوش دسته جمعی درمسائل بهینه یابی محیطهای پویا به دلیل اهمیت آن دردنیای واقعی ایجاد شدها ست هوش دسته جمعی یک حوزه جدید از تحقیقات است که بروی مطالعه و مدلسازی رفتار اجتماعی حشراتی مانند مورچه ها و زنبورها تمرکز دارد کلونی زنبورها دارای این قابلیت می باشد که خود را به راحتی با محیط در حال تغییر وفق دهد به همین منظور می توان از الگوریتم های زنبور برای بهینه سازی مسائل پویا استفاده کرد از آنجا که برخی از مسائل دنیای واقعی تکرارپذیر می باشند نیاز به یک حافظه جهت نگهداری راه حلهای گذشته به منظور تقویت کارایی الگوریتم ها برای مسائل بهینه یابی پویا ضروری به نظر می رسد دراین مقاله الگوریتم خوراک جویی زنبور با یک حافظه صریح ترکیب گردیده و برروی تابع محک قله های درحال نوسان آزمایش شده و نتایج با الگوریتم های تکملی الگوریتم های تکاملی مبتنی برحافظه روشهای چندجمعیتی و مهاجرهای تصادفی مقایسه گردیدها ست نتایج نشان میدهد وجود حافظه به دلیل بهکارگیری راه حلهای گذشته دربهبود الگوریتم و کاهش خطا موثر می باشد و از روشهای ارایه شده قبلی بهتر است.

هوش دسته جمعی،حافظه صریح،محیط پویا،خوراک جویی زنبور