ژیلا نصیری روشتی - گروه ریاضی، دانشگاه آزاد اسلامی واحد بناب، بناب
فرزین مدرس خیابانی - گروه ریاضی، دانشگاه آزاد اسلامی واحد تبریز، تبریز

این مقاله نوع جدیدی از الگوریتم غذایابی باکتری را با طول گام کموتکسیز متغیر با روش یادگیری جامع معرفی میکند که بهینه - سازی غذایابی باکتری با یادگیری جامع تطبیقی (ACLBFO) نامیده میشود. یک مدل تعدیل کاهشی غیرخطی تطبیقی برای ایجاد تعادل بینجستجوی جواب بهینه و استخراج آن در الگوریتم ACLBFO استفاده میشود. مکانیزم یادگیری جامع با حفظ تنوع جمیعت باکتریها روندهمگرایی زودرس را کند میکند. الگوریتم جدید در مقایسه با الگوریتم غذایابی باکتری اولیه BFO و دو الگوریتم بهبود یافته BFO-LDC وBFO-NDC کارایی بهتری در حل مسائل چند متغیره دارد. همچنین کارایی ACLBFO روی مسائل مسیریابی وسیله نقلیه با پنجره زمانیبررسی میشود. در مقایسه با سه الگوریتم BFO دیگر الگوریتم اخیر بهتر عمل میکند و توانایی آن در حل مسایل مسیر یابی وسیله نقلیه باپنجره زمانی (VRPTW) تایید می گردد.

بهینه سازی غذایابی باکتری، یادگیری جامع تطبیقی، مسیریابی وسیله نقلیه با پنجره زمانی