الگوریتم ژنتیک بهبود یافته مبتنی بر راهکار خودسازماندهی بحرانی و حافظه گوسی برای حل مسائل بهینه سازی پویا

از آن جایی که اجزای پویا، همراه با محدویت های غیرخطی و اهداف متعدد، یکی از خصوصیت هایی است که به طور مکرر در مسایل دنیای واقعی ظاهر می شود و چون زمان زیادی است که محاسبات تکاملی وارد حوزه کاربردهای صنعتی شده است (به خصوص به علت توانایی آن ها در مواجهه با محیط های چندهدفه و غیرخطی) انتظار می رود که هرچه زودتر توجه به این زمینه در جامعه علمی رشد پیدا کند.امروزه استفاده از الگوریتم های تکاملی که بر اساس رفتارهای زیستی طبیعی به وجود آمده اند برای حل این مسایل از اهمیت ویژه ای برخوردار هستند. از جمله این الگوریتم ها می توان به الگوریتم ژنتیک اشاره نمود. هدف این مقاله و ادعای اصلی آن، امکان طراحی پروتکل های الهام گرفته از طبیعت در الگوریتم ژنتیک است که روی بهینه سازی در محیط های پویا موثر باشد، در حالی که پیچیدگی الگوریتم را حفظ کند و تغییرات در فضای مسئله به صورت دوره ای رخ دهد. در این مقاله، یک الگوریتم ژنتیک بهبودیافته (خودسازمانده بحرانی) مبتنی بر حافظه برای حل مسایل بهینه سازی پویا ارایه شده است. در الگوریتم ارایه شده، از یک عملگر جهش خودسازمانده که مبتنی بر مدل تپه شنی است، استفاده شده است. عملگر جهش خودسازمانده یک عملگر جهش هست که می تواند نرخ های جهش خودتنظیم شونده را با یک توزیع ویژه بر مبنای مدل تپه شنی انجام دهد که این برای بهینه سازی پویا مناسب است. اگر تغییرات به صورت دوره ای رخ دهند، به طور معمول استفاده از اطلاعات گذشته اجازه می دهد الگوریتم به سرعت بعد از تغییر محیط به سازگاری در شرایط محیطی جدید برسد. ایده مورد نظر در این زمینه، استفاده از یک حافظه می باشد. یکی از چالش های اساسی در به کارگیری حافظه، تنوع می باشد. برای افزایش سطح تنوع از یک حافظه تخمبن تراکم با خوشه بندی گاوسی استفاده شده است. همچنین از راهکاری برای جایگزینی و بازیابی در حافظه استفاده شده است. در طرح پیشنهادی ابتدا جهش خودسازمانده بحرانی جدید، با سایر الگوریتم های ژنتیک ارایه شده توسط سایر محققین ترکیب شده ونتایج حاصل شده نشان می دهد که این روش توانسته به کرات سایر الگوریتم های ژنتیک را برای محیط های پویا بهبود بخشد. در نهایت روش پیشنهادی این مقاله که ترکیب خودسازماندهی بحرانی جدید با حافظه تخمین تراکم گوسی است ارایه شده است. نتایج این روش با سایر روش های مشابه که با راهکار جهش خودسازمانده جدید نتایجشان بهبود داده شده است، مقایسه خواهد شد. نتایج حاصل بر روی مسایل محک مختلف باعنوان توابع تله پویا، آزمایش شده است. نشان داده شده که روش پیشنهادی، حتی از روش های رقیب که با روش جهش خودسازمانده جدید، بهبود یافته اند نتایج مناسب تری را تولید کرده است. معیار ارزیابی در این مقاله معیار کارآیی برون خطی می باشد. نتایج آزمایش ها نشان می دهند که روش پیشنهادی موثر هست چراکه با روش های دیگر در پارامترهایی از محیط های پویا مقایسه گردیده که آن ها بهترین کارایی را دارا هستند.