بهبود در انتخاب مبتنی بر روش چرخ رولت در الگوریتم های بهینه سازی

انتخاب والد یکی از مهم ترین بخش های الگوریتم های برپایه جمعیت می باشد و کارایی آن تأثیر بسزایی در جستجو کیفیت جواب مسئله خواهد داشت. روش های انتخاب مختلفی تاکنون با توجه به کاربردهای متنوع ارائه شده و معروف ترین آن ها چرخ رولت است. روش چرخ رولت نمی تواند تعادل مناسبی بین سرعت همگرایی و گوناگونی جمعیت از لحاظ برازندگی به خوبی برقرار کند و بعضاً منجربه همگرایی زودرس و ناتوانی الگوریتم در فرار از بهینه محلی می گردد. در این رساله با ارائه تغییراتی در روش چرخ رولت سعی شده است کارایی این روش بطور محسوسی بهبود بخشیده شود. بدین صورتکه با انتخاب بیش از یک نشانگر بیرون از چرخ رولت و در فواصل مختلف می توان احتمال انتخاب کروموزوم های با برازندگی پایین را بیشتر کرد، بنابراین از همگرایی زودرس جلوگیری می کند. درطول اجرای الگوریتم، نشانگرها با الهام گرفتن از فاکتور سردکننده الگوریتم تبرید به هم نزدیک می شوند که باعث افزایش سرعت همگرایی می شود. این روش روی داده های نمونه استانداردtsplib مربوط به مسئله فروشنده دوره گرد convrp مربوط به مسیریابی وسایل نقلیه psplib مربوط به مسئله زمانبندی پروژه و cordeau مربوط به مسیریابی وسائل نقلیه با پنجره زمانی اعمال شده است و نتایج، کارایی تغییرات اعمال شده را نسبت به روش چرخ رولت معمولی به وضوح نشان می دهد، بطوریکه جواب ها یا برابر با مقادیر بهینه بوده یا بطور میانگین?.??درصد از مقادیر بهینه در نمونه های مختلف فاصله دارند.