بهبود الگوریتم رقابتی کلونی استعمارگران با استفاده از عملگر یادگیری استعمارگران وکاربرد آن در حل مساله فروشنده دوره گرد
محورهای موضوعی : مدیریت
حسن حاله
1
(استادیار، دانشگاه آزاد اسلامی، واحد قزوین، گروه مهندسی صنایع، قزوین، ایران)
دانیال اسماعیلی علی آبادی
2
(دانشجو دکتری، دانشگاه سابانجی، گروه مهندسی صنایع، استانبول، ترکیه (عهده دار مکاتبات)
کلید واژه: مسأله فروشنده دوره گرد, الگوریتم کلونی استعمارگران, الگوریتم فرا ابتکاری, کتابخانه مسائل فروشنده دوره گرد,
چکیده مقاله :
در این مقاله سعی شده تا با بهبود الگوریتم رقابتی کلونی استعمارگران ( ICA ) در قالب مساله فروشنده دوره گرد (TSP)، پاسخ مسأله بهبود یابد و میزان میزان این بهبود مورد بررسی و تحقیق قرار گیرد. با افزودن عملگر یادگیری، استعمارگران از کلونی‌هایی که تا حد مطلوبی پیشرفت حاصل نموده اند، خواصی را در جهت‌هایی یاد می گیرند که باعث بهبود پاسخ مسأله شود. با توجه به یادگیری کنترل شده استعمارگران از کلونی‌های مطلوب میزان بهبود پاسخ بیشتر از زمانی است که کلونی‌ها بصورت غیر کنترل شده از استعمارگران خود خواصی را برداشت می نمایند. در این مقاله سعی شده تا عملکرد عملگر یادگیری را با مثال های متعدد از TSPLIB نمایش دهد و بیان نماید که الگوریتم رقابتی کلونی استعمارگران با عملگر یادگیری استعمارگران نتایج بهتری را هم در کیفیت پاسخ و هم در زمان حل نسبت به زمانی که این عملگر استفاده نشود، ارائه می دهد.
This study tries to enhance imperialist colony algorithm (ICA) in the context of travel salesman problem (TSP). By adding new learning operator, imperialist learns form colonies that have suitable cost in which manner that improves solution of problems. We believe that controlled learning improvement is better than uncontrolled one. The efficiency of new operator represented with variety of instances from TSPLIB. We evaluate the approach on standard TSP test problems and show that it performs better, with respect to solution quality and computation time than ICA without new learning operator.