1 / 15

ارائهء يک الگوريتم جستجوي مبتني بر روشهاي مبني برجمعيت در بهينه سازي ترکيبي

ارائهء يک الگوريتم جستجوي مبتني بر روشهاي مبني برجمعيت در بهينه سازي ترکيبي . Presenting a Search Algorithm Based on Population-based Methods in Combinatorial Optimization .

korbin
Download Presentation

ارائهء يک الگوريتم جستجوي مبتني بر روشهاي مبني برجمعيت در بهينه سازي ترکيبي

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ارائهء يک الگوريتم جستجوي مبتني بر روشهاي مبني برجمعيت در بهينه سازي ترکيبي Presenting a Search Algorithm Based on Population-based Methods in Combinatorial Optimization آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه: Ant Colony Optimization

  2. بهينه سازي ترکيبي شاخه اي از بهينه سازي در رياضيات کاربردي و علوم کامپيوتر است که بين هوش محاسباتي، رياضي و مهندسي نرم افزار، مشترک است. • الگوريتم هاي بهينه سازي ترکيبي، به اين ترتيب مساله را حل مي کنند که فضاي حالت را براي يافتن يک پيکربندي جستجو مي کنند که تابع هدف از پيش تعريف شده، روي متغيرهاي مساله را بهينه کند و در ضمن محدوديتهاي تعريف شده بين متغيرهاي مساله را هم نقض نکند. آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  3. آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  4. آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  5. Ant Colony Optimization • الگوريتم هاي مورچه، سيستم هاي چندعامله اي هستند كه هر عامل، يك مورچه مصنوعي است. • الگوريتم هاي مورچه نمونه هاي موفقي از سيستم هاي هوش گروهي هستند و از TSP سنتي تا مسيريابي در شبكه هاي ارتباطي راه دور را دربرمي گيرند. • ايده : مورچه ها در مسير خود ماده شيميايي به نام فرومون ترشح مي كنند. وقتي سر دوراهي ( مسيركوتاهتر و طولاني تر ) قرار مي گيرند، براساس ميزان فرومون استشمام شده از هر مسير، يك انتخاب مسير احتمالي انجام مي دهند. به اين ترتيب احتمال انتخاب مسيرهاي داراي فرومون زياد، به تدريج افزايش مي يابد (اثر autocatalytic). آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  6. آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  7. Ant Colony Optimization • ديده مي شود كه بعد از يك فاز گذرا، اكثر مورچه ها كوتاهترين شاخه را انتخاب مي كنند و اين احتمال با افزايش تفاوت طول مسيرها، افزايش مي يابد. اين رفتار توسط نوعي ارتباط غير مستقيم به نام stigmergy به وسيله اصلاحات محلي در محيط، توضيح داده مي شود. • براي اجتناب از همگرايي سريع به مسيرهاي زيربهينه از مكانيزم تبخير (evaporation) استفاده مي شود. فراموش كردن (تبخير) باعث كاوش نواحي خوب جديد مي گردد. آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  8. شروع تا وقتي كه شرايط خاتمه محقق نشده است عمليات daemon تبخير فرومون توليد و فعاليت مورچه ها آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  9. شروع تا وقتيكه منبعي وجود دارد مقداردهي اوليه به پارامترهاي مورچه پايان به روزرساني حافظه مورچه (حاوي مسيري كه مورچه تابه حال طي كرده) تا وقتيكه مورچه به هدف نرسيده • خواندن جدول مسيريابي محلي • محاسبه احتمال انتقال به هر گره همسايه • رفتن به گره بعدي • افزايش فرومون روي لبه فعلي گراف • به روز كردن جدول مسيريابي گره قبلي • به روزرساني مسير فعلي مورچه به روزرساني فرومون در مسير پيموده شده مرگ مورچه و آزاد شدن منابع آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  10. 1 5 2 3 2 2 4 3 4 3 آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  11. α = 1 β= 5 ρ=0.5 آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  12. تكرار اول آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  13. مقدار 12/1 به مقادير مربوط به يالهاي پيموده شده توسط هر مورچه اضافه مي شود. • برای يالهايي كه يكبار پيموده شده اند:Δτ = 0.08 • برای يالهايي كه دوبار پيموده شده اند:Δτ = 0.17 آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  14. Ant Colony Optimization • روشهاي ACO فقط وقتي كه الگوريتم هاي كلاسيك نمي توانند به نحو موثري اعمال گردند، جالب توجهند مثل: • مسايل NP-hard كه بعد گراف فضاي حالت، نمايي است. • ويژگيهاي گراف مساله همزمان با فرايند بهينه سازي تغيير مي كند (وقتي نرخ تغيير هزينه ها افزايش مي يابد يا دانش مربوط به فرايند تغيير كاهش مي يابد، ACO مناسب تر مي شود) • معماري محاسباتي از لحاظ فضايي توزيع شده است. آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

  15. Ant Colony Optimization • به طور كلي سه نوع موازي سازي وجود دارد: • موازي سازي در سطح مورچه ها: NC گروه را درنظر مي گيرد كه هر كدام روي نمونه مساله مشابهي اجرا مي شوند. • موازي سازي در سطح داده : تقسيم مساله و حل هر كدام با يك گروه مورچه . • موازي سازي در سطح تابع: تبخير ، daemon و فعاليت مورچه ها، به طور همزمان انجام شوند. آزمايشکاه سيستم هاي هوشمند (http://ce.aut.ac.ir/islab) موضوع ارائه : Ant Colony Optimization

More Related