متین رضایی - دانشجوی ارشد هوش مصنوعی،دانشگاه ایوانکی
علیرضا عرب - دانشجوی ارشد هوش مصنوعی،دانشگاه ایوانکی

الگوریتمهای فراابتکاری با الگوبرداری از روشهای حل مسئله در طبیعت میتوانند در حل مسائل بهینه سازی مورد استفاده قرار گیرند. مزیت مهم الگوریتمهای فراابتکاری عدم نیاز به محاسبه گرادیان یا مشتق تابع هدف میباشد و جوابهایی که ارایه میدهد در بیشتر مواقع به جوابهای واقعی بسیار نزدیک است. الگوریتم-های هوش دسته جمعی یک نمونه از الگوریتم های فراابتکاری به شمار میرود که برای حل مسائل بهینه سازی از رفتار گروهی و اجتماعی جانداران استفاده مینمایند. مزیت مهم الگوریتمهای هوش دسته جمعی استفاده از مکانیزم گروهی در یافتن جواب بهینه است و در این روشها از برآیند هوشمندی یک جمعیت از راه حلها برای یافتن جواب بهینه استفاده میشود. رفتار دسته کلاغها در طبیعت برای یافتن یا پنهان کردن غذا در نوع خود جالب است و الهام بخش الگوریتم هوش دسته جمعی دسته کلاغ میباشد که یک الگوریتم مبتنی بر رفتار این جانداران باهوش است و میتواند برای حل مسائل بهینهسازی مورد استفاده قرار گیرد. علیرغم دقت قابل قبول الگوریتم هوش دسته جمعی کلاغ در یافتن جوابهای بهینه این الگوریتم جستجوی سراسری و محلی مناسبی ندارد و از این جهت همگرایی آن به جوابهای بهینه میتواند با کندی انجام شود و در برخی مواقع نیز در بهینه های محلی گرفتار شود. در این مقاله یک روش جدید مبتنی بر ایجاد جوابهای جدید پیرامون اعضای شایسته برای بهبود جستجوی سراسری و محلی الگوریتم هوش دسته کلاغ ارایه شده است تا دقت الگوریتم بهبود داده شود. نتایج پیاده سازی در محیط متلب و بر روی توابع ارزیابی نشان میدهد روش پیشنهادی نسبت به الگوریتم دسته کلاغ، کرم شبتاب و ذرات در یافتن جواب بهینه دقت بیشتری ارایه مینماید.

الگوریتم های فراابتکاری، مسائل هوش گروهی، الگوریتم دسته جمعی کلاغ بهینه سازی