الگوریتم کلونی زنبور مصنوعی آشوب گونه مبتنی بر حافظه برای حل مسائل بهینه سازی پویا

الگوریتم کلونی زنبور مصنوعی یکی از الگوریتم های بهینه سازی هوش جمعی می-باشد، که از آن در اهداف و کاربردهای ایستا به صورت وسیعی استفاده می شود. اکثر مسائل موجود در جهان واقعی پویا می باشند. بنابراین ما به الگوریتم های بهینه سازی نیاز داریم که بتوانند مسائل را در محیط های پویا به خوبی حل نمایند. مسائل بهینه سازی پویا مسائلی هستند که در طول زمان دچار تغییر می-شوند. در این مقاله ما یک الگوریتم مبتنی بر کلونی زنبور مصنوعی آشوب گونه ترکیب شده با حافظه را برای مسائل بهینه سازی پویا ارائه نموده ایم. یک سیستم آشوب گونه پیش بینی دقیق تری از آینده نسبت به یک سیستم تصادفی دارد. ما در این روش از حافظه صریح برای ذخیره راه حل های قدیمی خوب جهت نگهداری تنوع در جمعیت استفاده نموده ایم. استفاده از راه حل های قدیمی خوب و تنوع در محیط به سرعت همگرایی الگوریتم کمک می نماید. روش پیشنهادی را برروی مسئله محک قله های متحرک آزمایش نموده ایم. مسئله محک قله های متحرک، شبیه ساز مناسبی برای تست کارآیی الگوریتم های بهینه سازی در محیط های پویا می باشد. نتایج آزمایشات برروی این تابع محک نشان از کارآیی مناسب روش پیشنهادی در مقایسه با سایر روش ها در حل مسائل بهینه سازی پویا دارد.