ولی سرلک - مربی، دکتری مهندسی کامپیوتر سیستم های نرم افزاری، گروه کامپیوتر،دانشکده فنی مهندسی،دانشگاه آزاد اسلامی واحد نجف آباد اصفهان ایران
محمد گردان - کارشناسی ارشد مهندسی کامپیوتر ، گروه کامپیوتر، دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد بروجرد
میترا گودرزی - کارشناسی ارشد مهندسی فناوری اطلاعات ، گروه فناوری اطلاعات، دانشکده فنی و مهندسی، موسسه غیرانتفاعی نور طوبی تهران

الگوریتم های تکاملی از فرآیندهای طبیعت و زیستی که در طبیعت وجود دارند، الهام گرفته شده اند. روش های تکاملی و طبیعی طی ده ها میلیون سال توانسته اند بر مشکلات مختلفی غلبه نمایند. الگوریتم های تکاملی به عنوان یکی از روشهای موثر و کارآمد جهت حل مسائل بهینه سازی پیچیده استفاده می شوند. مسائل بهینه سازی به مسائلی گفته می شود که دارای راه حل های مختلفی از نظر میزان بهینه بودن می باشند. یافتن جوابهای کاملاً بهینه یک مسئله بهینه سازی دشوار یکی از چالش های انواع الگوریتم های جستجوی هوشمند محسوب می شود. تاکنون الگوریتم های تکاملی مختلفی برای یافتن را ه حل های بهینه یک مسئله بهینه سازی ارایه شده است. الهام از رشد گیاهان و گرده افشانی آنها یکی روش های جدید تکاملی جهت حل مسائل سخت و دشوار است که ایده اصلی الگوریتم تکاملی گرده افشانی گل ها بر این اساس ارایه شده است.در این پژوهش جهت بهبود دقت و همگرایی الگوریتم گرده افشانی گل ها از الگوریتم ژنتیک برای تنوع بخشی به جمعیت های شایسته استفاده شده تا تراکم جمعیت در اطراف جوابهای بهینه افزایش یابد.نتایج شبیه سازی و پیاده سازی ها نشان می دهد به طور کلی دقت روش پیشنهادی از الگوریتم تکاملی گرده افشانی گل ها بهتر است.در نهایت شواهد آزمایشات متعدد ما نشان می دهد که روش پیشنهادی نسبت به الگوریتم گرده افشانی گل دقت و کارایی و سرعت بهتری دارد.

الگوریتم های تکاملی، مسائل بهینه سازی،الگوریتم گرده افشانی گل ها، الگوریتم ژنتیک