الگوریتم بهینه سازی اجتماع مورچگان بر مبنای گرادیان برای فضا های پیوسته

در این تحقیق یک نسخه جدید از الگوریتم بهینه سازی اجتماع مورچه ها1 که توانایی جستجو در فضای پیوسته2 را دارد، ارائه می شود. ساختار و مفاهیم اصلی الگوریتم اولیه بهینه سازی اجتماع مورچه حفظ شده وتعمیم و توسعه آن به فضای پیوسته انجام و پیاده سازی شده است. خاصیت ارتباط غیرمستقیم از طریق محیط (استیگمرجی3) با تعدادی بردار گرادیان نرمال شده شبیه سازی شد. برای اینکه همه مورچه ها بتوانند محیط را حس کنند، این بردارها توسط یک حافظه مشترک نگهداری می شوند. الگوریتم بهینه سازی پیشنهادی، بر روی توابع خاصی که به عنوان محک4 در مسائل بهینه سازی فضای پیوسته به کار می روند، امتحان شده است. نتایج به دست آمده از این الگوریتم با نتایج الگوریتمهای تکاملی مانند الگوریتم ژنتیکی5، استراتژی تکاملی6 و برنامه نویسی تکاملی7 مقایسه شده و از لحاظ دقت وحجم محاسبات مورد نیاز نتایج حاصل از الگوریتم پیشنهادی به خوبی با الگوریتمهای دیگر قابل رقابت و در بعضی موارد بهتر است.