يك معيار جديد جهت ايجاد تعادل بين جستجوي عمومي و محلي در الگوريتم هاي ممتيكي

يكي از مشكلات الگوريتم هاي ژنتيك سنتي، مشكل همگرايي زودرس است كه باعث ناتواني آنها در جستجوي جواب هاي مناسب مي شود. يك الگوريتم ممتيك از جستجوي محلي براي افزايش سرعت كشف جواب هاي مناسبي كه پيداكردن آنها به وسيله جستجوي عمومي تنها به طول مي انجامد يا قابل دسترس نباشند، استفاده مي كند. در اين مقاله يك الگوريتم ممتيك مبتني بر اتوماتاي يادگير به نام LA-MA ارائه شده كه از دو بخش ژنتيكي و ممتيكي تشكيل شده است. تكامل يا جستجوي عمومي در بخش ژنتيكي و بهره برداري يا جستجوي محلي در بخش ممتيكي انجام مي شوند. در بخش ممتيكي، احتمال موفقيت جستجوي محلي تخمين زده شده و در صورتي كه انجام جستجوي محلي نسبت به جستجوي عمومي مقرون به صرفه باشد، بهره برداري انجام مي شود. تخمين صحيح احتمال موفقيت جستجوي محلي، باعث ايجاد تعادل بين جستجوي عمومي و محلي شده و كارايي الگوريتم ممتيك را بالا مي برد. در اين مقاله از دو مساله بيشينه سازي يك ها و تناظر گراف جهت ارزيابي كارايي الگوريتم پيشنهادي استفاده شده است. نتايج آزمايش ها نشان مي دهد كه الگوريتم پيشنهادي از نظر كيفيت جواب هاي به دست آمده و نرخ همگرايي نسبت به ساير الگوريتم ها عملكرد بهتري دارد.