چکیده
هدف این مقاله ارائه و ارزیابی یک الگوریتم بهینه سازی جدید است. الگوریتم جدید، الگوریتم ژنتیک پرندگان نام دارد. این الگوریتم نوعی ترکیبی از الگوریتم ژنتیک و الگوریتم بهینه سازی ذرات است. این مقاله به نقاط قوت و ضعف دو الگوریتم می پردازد. سپس چگونگی ترکیب شدن ویژگی های هردو را شرح داده و جزئیات الگوریتم را بیان می کند. هرسه الگوریتم با استفاده از هشت مسئله بهینه سازی استاندارد ادبیات موضوع با هم مقایسه می شوند. نشان داده می شود که الگوریتم ژنتیک پرندگان، کارآیی برتری در 75% حالات تست شده دارد. در 25% بقیه حالات، کارآیی بیشتری نسبت به الگوریتم ژنتیک یا بهینه سازی ذرات داشته و در هیچ حالتی بدتر از دو الگوریتم دیگر نیست. بهبودهای ممکن در آینده نیز به طور خلاصه بررسی می شوند.
1-مقدمه
این مقاله الگوریتم ژنتیک پرندگان را معرفی می کند. این الگوریتم ترکیبی از الگوریتم های ژنتیک و بهینه سازی ذرات است. هرسه الگوریتم از طریق مسائل استاندارد بهینه سازی ارزیابی می شوند.
الگوریتم ژنتیک که در اواسط دهه 70 توسط John Holland به شهرت رسید [1]، تئوری های زیستی تکامل، ژنتیک، انتخاب طبیعی و جهش را در یک الگوریتم رایانشی ادغام می کند که به طور اکتشافی راه حلی بهینه را برای یک مسئله جستجو می کند. راه حلی ممکن برای یک مسئله توسط یک ژنوم نشان داده می شود که اصولا شامل یک کروموزوم است. این کروموزوم شامل مقادیری با نام ژن است. جهش و تقاطع نیز برای تغییر کروموزوم ها استفاده می شود. جهش شامل تغییرات کوچک تصادفی در کروموزوم هاست. تقاطع شامل تبادل میزانی از ویژگی های ژنتیکی می باشد…