ارائه یک راهکار برای بهینه سازی مسائل با ابعاد بالا بر پایه الگوریتم جستجوی گرانشی

امروزه با پیشرفت فناوری و بزرگ شدن مسائل، نیاز به راه حل مناسبی که بتواند این مسائل را حل کند احساس می شود. در زمینه بهینه سازی با افزایش بعد فضای جستجو، این مسائل با پدیده ای به نام نفرین بعد روبرو می شوند. دلیل این امر این است که فضای جستجو به صورت نمایی با افزایش بعد زیاد می شود. در این حالت الگوریتم های ابتکاری به تنهایی قابلیت حل مسئله را ندارند. الگوریتم جستجوی گرانشی نیز از این امر مستثنی نیست. در این پایان نامه از روشی برای ارتقاء الگوریتم جستجوی گرانشی به منظور اعمال این الگوریتم به مسائل با ابعاد بالا استفاده شده است. الگوریتم گرانشی از خانواده الگوریتم های هوش جمعی است. این الگوریتم از جدیدترین الگوریتم های ابتکاری است که از مفاهیم جرم و نیروی جاذبه الهام گرفته و بر مبنای شبیه سازی قوانین گرانش و حرکت نیوتن بوجود آمده است. از آنجایی که الگوریتم جستجوی گرانشی تا به حال به مسائل با ابعاد بالا اعمال نشده است، الگوریتم پیشنهادی از این جهت دارای نوآوری است. بنابراین، در این پایان نامه به منظور بالا بردن کارایی الگوریتم جستجوی گرانشی برای حل مسائل با ابعاد بالا، الگوریتم حاضر را با روش-های تکاملی- مشارکتی ترکیب کرده ایم. برای ارزیابی عملکرد الگوریتم پیشنهادی، آن را به همراه الگوریتم های شناخته شده در این زمینه روی توابع محک استاندارد پیاده سازی و نتایج بدست آمده را مقایسه کرده ایم. در روش پیشنهادی در قسمت تکاملی- مشارکتی از گروه بندی تفاضلی به عنوان گروه بند استفاده شده و در قسمت بهینه سازی از الگوریتم جستجوی گرانشی استفاده شده است. نتایج حاصله نشان داد که الگوریتم پیشنهادی، توانسته است الگوریتم گرانشی اصلی را برای حل مسائل با ابعاد بالا ارتقاء دهد و در بعضی از موارد بهتر از الگوریتم-های تکاملی- مشارکتی موجود، در مسائل با ابعاد بالا عمل کرده است.