سال انتشار: 2013

---

چکیده:

الگوریتم دسته ماهی‌های ‌‌مصنوعی یکی از آخرین الگوریتم‌های هوش گروهی است که به شکل گسترده‌ای به جهت بهینه‌سازی در محیط‌های استاتیک به کار برده می‌شود. البته باید گفت که جهان واقعی بسیار پویا و غیرقطعی است که نمی‌توان آن را به وسیله روش‌های ثابت و استاتیک حل کرد. به همین خاطر وجود چنین الگوریتمی، اهمیت دوبرابر پیدا می‌کند. در ابتدا در اینجا باید گفت که در این مقاله الگوریتم جدیدی از AFSA ارائه گردیده است که اصطلاحا NAFSA خوانده می‌شود و به خاطر حذف نقاط ضعف از AFSA قبلی ارائه گردیده است که می‌تواند سبب افزایش سرعت همگرایی در الگوریتم‌ها گردد. دوم آن که یک الگوریتم چند گروه برپایه NAFSA ارائه گردیده است (mNAFSA) که برای فائق آمدن بر چالش‌هایی است که در محیط‌های پویا وجود دارد، که برای این کار از چند مکانیسم جدیدتر بهره گرفته شده است که شامل مکانیسم‌ها اصلاحی ویژه چندگروهه برای یافته پتانسیل‌های همگرایی پیک‌ها و تنوع‌ها است که می‌تواند سبب افزایش مکانیسم‌های شود که بعد مشخص شدن یک چالش محیطی به کار برده می‌شود. روش‌های پیشنهاد شده در اینجا بر اساس معیار حرکت تعیین گردیده‌اند که می‌توان یک معیار امید بخش در این زمینه باشد. این معیار چند پارامتر را به خاطر ساختارهای متفاوت شبیه‌سازی شده از محیط‌های پویا به کار برده است. آزمایش‌های ویژه در اینجا انجام گردیده است که نشان دهنده آن بوده است که الگوریتم‌ها پیشنهاد شده می‌تواند سبب ایجاد خروجی‌های چشمگیری نسبت به الگوریتم‌های پیشین شوند، در بیشتر این آزمایش‌ها محیط‌های پویل به وسیله معیار پیک‌های حرکتی مدل‌سازی شده اند.

---

کلمات کلیدی اصلی این محصول: مقاله الگوریتم دسته ماهی مصنوعی ، مقاله هوش ازدحامی ، مقاله الگوریتم فرااکتشافی ، دانلود مقاله الگوریتم دسته ماهی مصنوعی ،  دانلود مقاله هوش ازدحامی ، دانلود مقاله الگوریتم فرااکتشافی

Artificial fish swarm algorithm, Swarm intelligence ,Meta-heuristic algorithms