الگوریتم جمعیت ذرات اطلاع‌دهنده‌ی محلی گرانشی برای حل مسائل بهینه‌سازی چندمُدی

الگوریتم جمعیت ذراتِ اطلاع‌دهنده‌ی محلی، یک روش ساده و مؤثر است که اخیراً برای حل مسائل بهینه‌سازی چندمُدی ارائه شده است. این الگوریتم دارای یک ضعف اساسی است: برای محاسبه سرعت یک ذره، "شایستگی" و " فاصله‌ی" ذرات همسایه‌ی آن ذره را در نظر نمی‌گیرد، درصورتیکه در نظر گرفتن این دو پارامتر در محاسبه سرعت می‌تواند به الگوریتم برای ایجاد یک تعادل مناسب بین همگرایی و تنوع راه‌حل‌ها کمک زیادی کند. در این مقاله، یک نسخه جدید از این الگوریتم با نام "الگوریتم جمعیت ذراتِ اطلاع‌دهنده‌ی محلی گرانشی" ارائه شده است، که در آن هر ذره موقعیت خود را با استفاده از قوانین گرانش و حرکت به سمت بهترین موقعیت همسایگان محلی‌اش تنظیم می‌کند. در الگوریتم پیشنهادی، هر چه همسایه‌ی محلی یک ذره دارای کیفیت بیشتری باشد یا دارای فاصله‌ی کمتری با ذره باشد، جرم گرانشی بیشتری به آن همسایه تعلق می‌گیرد و در نتیجه آن همسایه مجاز به اعمال نیروی گرانشی بیشتری به آن ذره می‌شود. برای بررسی کارایی الگوریتم پیشنهادی، یک ارزیابی تجربی روی چندین تابع محک استاندارد صورت گرفته است. نتایج این آزمایشات نشان می‌دهد که الگوریتم پیشنهادی می‌تواند نتایج بهتری نسبت به الگوریتم جمعیت ذراتِ اطلاع‌دهنده‌ی محلی و سایر الگوریتم‌های بهینه‌ساز چندمُدی به دست آورد.