الگوریتم کلونی زنبور مصنوعی آشوب‌گونه مبتنی بر حافظه برای حل مسائل بهینه‌سازی پویا

چکیده الگوریتم کلونی زنبور مصنوعی یکی از الگوریتم‌های بهینه‌سازی هوش جمعی می-باشد، که از آن در اهداف و کاربردهای ایستا به صورت وسیعی استفاده می‌شود. اکثر مسائل موجود در جهان واقعی پویا می‌باشند. بنابراین ما به الگوریتم‌های بهینه‌سازی نیاز داریم که بتوانند مسائل را در محیط‌های پویا به خوبی حل نمایند. مسائل بهینه‌سازی پویا مسائلی هستند که در طول زمان دچار تغییر می-شوند. در این مقاله ما یک الگوریتم مبتنی بر کلونی زنبور مصنوعی آشوب‌گونه ترکیب شده با حافظه را برای مسائل بهینه‌سازی پویا ارائه نموده‌ایم. یک سیستم آشوب‌گونه پیش‌بینی دقیق‌تری از آینده نسبت به یک سیستم تصادفی دارد. ما در این روش از حافظه صریح برای ذخیره راه‌حل‌های قدیمی خوب جهت نگهداری تنوع در جمعیت استفاده نموده‌ایم. استفاده از راه‌حل‌های قدیمی خوب و تنوع در محیط به سرعت همگرایی الگوریتم کمک می‌نماید. روش پیشنهادی را برروی مسئله محک قله‌های متحرک آزمایش نموده‌ایم. مسئله محک قله‌های متحرک، شبیه‌ساز مناسبی برای تست کارآیی الگوریتم‌های بهینه‌سازی در محیط‌های پویا می‌باشد. نتایج آزمایشات برروی این تابع محک نشان از کارآیی مناسب روش پیشنهادی در مقایسه با سایر روش‌ها در حل مسائل بهینه‌سازی پویا دارد.