بهينه سازي حل مساله فروشنده دوره گرد (TSP) با استفاده از الگوريتم CLONALG با بكارگيري جهش تركيبي HPRM

به دام افتادن در بهينه هاي محلي و همگرا نشدن در مسير بهينه هاي سراسري، از جمله چالش هاي مهمم الگوريتم هاي تكاملي در حوزه هوش محاسباتي مي باشد. از اين رو گسترش اكتشاف در فضاي مسائل بهينه سازي در جهت دسترسي به تنوع راه حل ها، يك راه حل كليدي براي حل اين چالش مي باشمد . الگوريتم CLONALG از جملمه الگوريتم هاي تكاملي با چالش به دام افتادن در بهينه محلي مي باشد. در اين مقاله ما تاثير بكارگيري استراتژي جهش تركيبي در الگوريتم CLONALG را براي حل اين چالش و دستيابي به جمعيتي متنوع از راه حل هاي بالقوه، مورد تحليل قرار داده ايم. براي ارزيابي ايده خود، الگوريتم را بر روي مساله فروشنده دوره گرد كه از جمله مسائل كلاسيك بهينه سازي مي باشد نگاشت نموده، و از جهش تركيبي HPRM به عنوان يكي از بهترين شيوه هاي جهش مطرح شده ، بكار گرفته ايم. نتايج بدست آمده از شبيه سازي نشان مي دهد كه رويكرد ارائه شده، راه حل هاي بهينه اي براي مساله فروشنده دور گرد توليد مي كند و سرعت همگرايي و كيفيت جواب ها در مقايسه با نسخه استاندارد CLONALG به صورت قابل توجهي بهبود يافته است.