یک الگوریتم مبتنی بر ممتیک متاهیوریستیک است. این الگوریتم در سالهای اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوهی جستجوی غذای گروه های قورباغه سرچشمه میگیرد. این الگوریتم برای جستجوی محلی میان زیرگروههای قورباغه از روش نمو ممتیک استفاده میکند. SFLA از استراتژیِ ترکیب استفاده میکند و امکان مبادله پیام در جستجوی محلی را فراهم میسازد. این الگوریتم مزایای الگوریتم نمو ممتیک و بهینه سازیِ گروه ذرات (PSO) را ترکیب میکند. در SFLA نه تنها در جستجوی محلی بلکه در جستجوی سراسری نیز پیامها مبادله میشوند. بدین ترتیب جستجوی محلی و سراسری به خوبی در این الگوریتم ترکیب میشوند. جستجوی محلی امکان انتقال مم را میان افراد ممکن میسازد و استراتژیِ ترکیب امکان انتقال مم را میان کل جمعیت ممکن میسازد. مانند الگوریتم ژنتیک (GA) و بهینه سازی گروه ذرات (PSO) الگوریتم جهش ترکیبیِ قورباغه یک الگوریتم بهینه سازیِ مبتنی بر کولونی است. SFLA قابلیت بالایی برای جستجوی سراسری دارد و پیاده سازیِ آن آسان است. الگوریتم SFLA میتواند بسیاری از مسائل غیرخطی، غیرقابلتشخیص و چندحالته را حل کند.
الگوریتم SFLA ترکیب روش قطعی و روش تصادفی است. روش قطعی به الگوریتم امکان میدهد تا پیامها را به صورت کارایی مبادله کند. روش تصادفی انعطافپذیری و مقاومت الگوریتم را تضمین میکند. الگوریتم با انتخاب تصادفی گروه های قورباغه شروع میشود. گروههای قورباغه به چندین زیرگروه تقسیم میشوند. هر یک از این زیرگروهها میتوانند جستجوی محلی را به صورت مستقل و با روش متفاوتی انجام دهند. قورباغههای موجود در یک زیرگروه میتوانند بر روی سایر قورباغه های موجود در همان زیرگروه اثر بگذارند. بدین تریب قورباغه های موجود در یک زیرگروه تکامل مییابند. تکامل ممتیک کیفیت ممتیکِ قورباغه های منفرد را بهبود و قابلیت دستیابی به هدف را افزایش میدهد. برای رسیدن به یک هدف خوب میتوان وزنِ قورباغه های خوب را افزایش و وزن قورباغه های بد را کاهش داد. بعد از تکامل برخی از ممتیکها، زیرگروهها با هم ترکیب میشوند. بواسطهی ترکیب ممتیکها در حوزهی سراسری بهینه میشوند و بوسیله مکانیزم ترکیب زیرگروههای قورباغه جدیدی ایجاد میشود. ترکیب، کیفیتِ ممتیکهایی که تحت تاثیرِ زیرگروههای مختلف قرار میگیرند را افزایش میدهد. جستجوی محلی و جستجوی سراسری تا برآورده شدن شرط همگرایی ترکیب میشوند. توازن بین مبادله پیام سراسری و جستجوی محلی به الگوریتم امکان میدهد تا به راحتی از مینیمم محلی پرش کند و تا دستیابی به بهینه سازی توسعه یابد. یکی از خصیصه های الگوریتم SFLA همگرایی سریع آن است.
برای انجام طرح و تحقیق و پایان نامه بااستفاده از این مدل در محیط GIS با شماره همراه و یا ایمیل ذکر شده در این وبلاگ تماس بگیرید.
شبکه‌ی فازی- عصبی و GIS و اکتشاف دانش
فرایند WASPAS و ارجحیت منطق فازی در تعیین آسیب پذیری در GIS
مدل سازی روابط مکانمند در محیط GIS با اسفاده از استنتاج گری فازی
الگوریتم ,جستجوی ,ترکیب ,محلی ,قورباغه ,sfla ,جستجوی محلی ,این الگوریتم ,الگوریتم sfla ,در جستجوی ,جستجوی سراسری ,الگوریتم امکان میدهد
درباره این سایت