بازي مسيريابي توسط شبكه عصبي پرسپترون در تركيب با الگوريتم‌هاي بهينه‌سازي

Routing Game With Perceptron Neural Network In Combination With Optimization Algorithms

بازي مسيريابي، ايجاد موانع متحرك در زمين‌بازي مي‌باشد، گاهي بازيكن طوري موانع را مي‌چيند كه مسير، داراي كمينه‌هاي محلي شده و شبكه عصبي پرسپترون نمي‌تواند به‌خوبي جوابگو باشد. الگوريتم‌هاي فرا ابتكاري كمك مي‌كنند، اين موانع شناخته‌شده و مسير صحيح اتخاذ گردد. ايجاد چالش در مسير توسط كاربر الگوريتم‌ها را تحت تأثير قرار داده و برخي مواقع شاهد ارتقاء يك الگوريتم و نزول ديگري هستيم. زماني مي‌توانيم بهترين نتيجه را داشته باشيم كه تمامي الگوريتم‌ها را به اجرا گذاشته و از بهترين الگوريتم در هر مرحله استفاده كنيم. براي اين هدف الگوريتم‌ها، به دو گونه پياده‌سازي شده‌اند. نخست آنكه كاربر مانعي را در زمين‌بازي قرار مي‌دهد، تمام الگوريتم‌ها اجراشده و بهترين نتيجه، مسير را مشخص مي‌كند. دوم آنكه با يك الگوريتم مماس يابي، مسير بازي مشخص مي‌گردد. اين مسير در يك فايل ذخيره شده سپس به‌طور جداگانه وارد الگوريتم‌ها مي‌شود تا در بازيابي مسير از قبل تعيين‌شده، نتايج الگوريتم‌ها با يكديگر مقايسه شوند. در اكثر مواقع نتايج به‌دست‌آمده از تركيب الگوريتم بهينه‌سازي جغرافياي زيستي با شبكه عصبي پرسپترون چندلايه بهترين نتايج ازنظر سرعت همگرايي و كمترين ميانگين مربعات خطا را مي‌دهد.

The routing game is the creation of animated obstacles in the playing field. Sometimes the player places obstacles in such a way that the path has local minima and the perceptron neural network can not respond well. The Meta-heuristic algorithms help to identify these obstacles and get a good path. If the path is smooth, there will be little variation in the overall graph. In fact creating a route challenge by the user affects the charts and every time we play, we are witnessing an upgrade of an algorithm and the descent of another algorithm. So then we can have the best result that implements all the algorithms and use the best algorithm in each step. For this purpose, algorithms are implemented in two types. First, the user places an obstacle on the playing field, all the algorithms are executed and the best result determines the path. Secondly, with a tangential algorithm, the game path is determined. This path is stored in a file and then separately it runs the algorithms to retrieve a predefined path, to compare the results of the algorithms. In most cases, the results obtained from combining the biogeography optimization algorithm with the multilayer perceptron neural network provide the best results for the convergence rate and the least average squared error.