ارائه يك الگوريتم تركيبي با استفاده از الگوريتم كرم شب تاب، الگوريتم ژنتيك و جست وجوي محلي

A Hybrid Algorithm using Firefly, Genetic, and Local Search Algorithms

در اين مقاله، يك الگوريتم تركيبي چندهدفه ارايه شده است كه ويژگي هاي دو الگوريتم ژنتيك و كرم شب تاب را تركيب مي كند. اين الگوريتم با مجموعه اي از كرم هاي شب تاب كه در فضاي مسيله به صورت تصادفي پخش مي شوند، شروع به كار مي كند و اين ذرات طي مراحل تكامل، به جواب بهينه مسيله همگرا مي شوند. سپس يك طرح جست وجوي محلي به عنوان روشي براي جست وجوي همسايگي به منظور بهبود كيفيت جواب ها ارايه و پياده سازي شده است. اين بخش از الگوريتم براي جست وجوي نواحي كم جمعيت، براي يافتن جواب هاي غالب استفاده مي شود. براي بهبود الگوريتم تغييراتي در معيار تعيين بهترين بهينه سراسري به ازاي هر كرم شب تاب و همچنين بهترين بهينه محلي اعمال شده است. استفاده از اين روش موجب شده يكنواختي منحني پرتو بيشتر شود. نتايج آزمايشگاهي روش ارايه شده بر روي برخي از توابع محك نشان مي دهد كه به كارگيري اين روش موجب كاهش خطا شده است. الگوريتم پيشنهادي بر اساس يك الگوريتم پايه توسعه داده شده است.

In this paper, a hybrid multi-objective algorithm consisting of features of genetic and firefly algorithms is presented. The algorithm starts with a set of fireflies (particles) that are randomly distributed in the solution space; these particles converge to the optimal solution of the problem during the evolutionary stages. Then, a local search plan is presented and implemented for searching solution neighbors to improve the quality of global solutions. This part of the algorithm is used to search sparsely populated areas for finding the dominant solutions. To improve the algorithm, for each firefly some changes have been made on the criteria of determining the global optimal solution and doing local optimal solution; this leads to more uniformity of the Pareto curve and error reduction, as the experimental results show. The proposed algorithm is an extension of a basic algorithm.