نحوه تعریف یک مسئله مناسب بهینه سازی برای حل با الگوریتم رقابت استعماری

/0 دیدگاه /در , , , , /توسط
آیا شما نیز، با سوالهای زیر مواجه شده اید؟ آیا خواسته اید که از یک روش بهینه سازی همانند الگوریتم رقابت استعماری در مسئله پایان نامه و تحقیق پایانی خود استفاده نمایید، اما در تعریف مناسب مسئله بهینه سازی با مشکل مواجه شده اید؟ در این پست می خواهیم به سوالات زیر پاسخ دهیم، اگر شما نیز علاقه مند به دانستن پاسخ این سوالات هستند، با ما در ادامه این پست همراه باشید.
  • چگونه الگوریتم رقابت استعماری را به یک مسئله معین در یک حوزه اعمال کنیم؟
  • چگونه مسئله مناسبی در حوزه معین را جهت استفاده از الگوریتم رقابت استعماری تعریف نماییم؟

این سوال بارها مطرح شده است که برای استفاده از الگوریتم رقابت استعماری (Imperialist Competitive Algorithm – ICA) در یک حوزه معین، چه باید کرد. مثلاً اگر بخواهیم، ICA را به یک مسئله در حوزه مدیریت اعمال کنیم، آن مسئله را چگونه باید، تعریف نماییم.
در پاسخ این سوال باید تاکید کنیم که ICA یک روش در حوزه محاسبات تکاملی است و کاربرد آن در حوزه مهین، محدود به مسائلی است که این حوزه در آن کاربرد دارد و از سوی دیگر، کاربرد های آن به همان گستردگی روش های دیگر در این حوزه است. بنابراین در تعریف مسئله باید در نهایت، آن را به یک مسئله بهینه سازی تبدیل نماییم. لازم به ذکر است که دسته وسیعی از مسائل در حوزه های مختلف در نهایت به یک مسئله بهینه سازی ختم می شوند. این قضیه در مورد مسائلی که در ظاهر نیز، بهینه سازی نیستند، برقرار است. بنابراین پیدا کردن مسئله در هر حوزه ای به راحتی امکان پذیر خواهد بود.
اگر بخواهیم، مطالب فوق را به صورت سیستماتیک، بیان کنیم، این نکته را در نظر می گیریم که مسائل بهینه سازی از دو بلوک، تشکیل شده اند.
  • مسئله بهینه سازی و تعریف آن
  • روش بهینه سازی
بر روی یک مسئله بهینه سازی معین و تعریف شده، می توان روشهای مختلف بهینه سازی را اعمال نمود. اگر بخواهیم دسته ای از روشهای بهینه سازی تکاملی و یا ازدحامی را نام ببریم، می توان به موارد زیر اشاره نمود.
  • الگوریتم های ژنتیک (Genetic Algorithms – GA)
  • روش بهینه سازی ازدحام ذرات (Particle Swarm Optimization – PSO)
  • روش تبرید شبیه سازی شده (Simulated Annealing – SA)
  • بهینه سازی کلونی مورچه ها (Ant Colony Optimization – ACO)
  • …
  • الگوریتم رقابت استعماری (Imperialist Competitive Algorithm – ICA)
نکته قابل توجه این است که غالب روش های ذکر شده، قابل جایگزینی با هم هستند. یعنی بدون اینکه، کلیت مسئله از بین برود، ما می توانیم یک روش را حذف کرده و آن را با روش مناسب دیگری جایگزین کنیم. به عنوان مثال، هر مسئله حل شده با GA یا PSO، به راحتی می تواند توسط ICA نیز حل شود و برعکس. بنابراین اگر تمایل دارید تا از الگوریتم رقابت استعماری در حوزه مشخصی استفاده کنید، ولی در تعریف مسئله معین بهینه سازی، مشکل دارید، پیشنهاد اولیه این است که با مطالعه دقیق مسائل معین در یک حوزه، سعی کنید تا یک مسئله بهینه سازی جدید تعریف کنید. اگر در این مرحله با مشکل مواجه شدید، یک روش که قطعاً به کمک شما خواهد آمد، این است که کلید واژهای مرتبط با موضوع حوزه مورد علاقه را در ترکیب با یکی از الگوریتم های دیگر بهینه سازی در موتورهای جستجو و یا دیتابیس های علمی، بررسی نمایید و با بررسی چند مورد از کارهای انجام شده در حوزه کاریتان که مثلاً از GA یا PSO استفاده کرده اند، موضوع مناسب را انتخاب نمایید و در مقاله مورد علاقه، آن بخش GA و یا PSO را حذف کرده و آن را با الگوریتم رقابت استعماری جایگزین نمایید. در نهایت همان مسئله بهینه سازی را با الگوریتم رقابت استعماری نیز حل کرده و نتایج جدید به دست آمده را با نتایج منتشر شده مقایسه نمایید.

به عنوان مثال ممکن است ما بخواهیم در حوزه سیستم های چند عامله، از الگوریتم رقابت استعماری استفاده نماییم. اما موضوع معینی را تعریف نکرده باشیم. برای یافتن چند موضوع در این حوزه کافی است به یکی از دیتابیس های علمی مثل Sciencedirect برویم و مثلاً این موضوع را در ترکیب با الگوریتم های ژنتیک، جستجو نماییم. به عنوان مثال جستوجوی عبارت (multi-agent systems genetic algorithm) زیر به 9700 مورد مقاله منتشر شده می رسد. در انتهای این پست، حدود 20 مورد از این مقالات لیست شده اند. در این مرحله، از میان نتایج به دست آمده، چند مورد را مورد بررسی قرار داده و موضوع دلخواه را انتخاب می کنیم. لازم به ذکر دوباره نیست که این نتایج، فقط مربوط به جستجوی عبارت فوق و فقط در دیتابیس معینی بودند، جهت رسیدن به تنوع موضوعات بیشتر، دیتابیس های دیگر مثل IEEE و ASME و ACM را نیز ببینید و کلید واژه های متنوع تری را جستجو نمایید.

بدین تریب به راحتی می توان با جستجوی موارد مشابه در حوزه کاری معین، به مسائل بهینه سازی بسیار متنوعی رسید که قبلاً با الگوریتم های قدیمی تر بهینه سازی حل شده اند و در حال حاضر نیز می تواند، با روشهای جدیدت حوزه محاسبات تکاملی همانند الگوریتم رقابت استعماری، مورد بررسی قرار گیرند.

______________________________________________________
حدود 20 مورد از مقالات مرتبط با سیستم های چند عامله و الگوریتم های ژنتیک را در زیر می بینیم.
  1. Genetic algorithms using multi-objectives in a multi-agent system  Original Research Article, Robotics and Autonomous Systems, Volume 33, Issues 2-3, 30 November 2000, Pages 179-190, Alain Cardon, Thierry Galinho, Jean-Philippe Vacher
  2. An approach to integrating HLA federations and genetic algorithms to support automatic design evaluation for multi-agent systems  Original Research Article, Simulation Practice and Theory, Volume 9, Issues 3-5, 15 April 2002, Pages 167-192, Sajal K. Das, Arthur A. Reyes
  3. Genetic algorithm based multi-agent system applied to test generation  Original Research Article, Computers & Education, Volume 49, Issue 4, December 2007, Pages 1205-1223, Anbo Meng, Luqing Ye, Daniel Roy, Pierre Padilla
  4. Pinch multi-agent genetic algorithm for optimizing water-using networks  Original Research Article, Computers & Chemical Engineering, Volume 31, Issue 12, December 2007, Pages 1565-1575, Kai Cao, Xiao Feng, Hang Ma
  5. Coordination in evolutionary multi-agent-robotic system using fuzzy and genetic algorithm  Original Research Article, Control Engineering Practice, Volume 2, Issue 1, February 1994, Pages 103-111, T. Shibata, T. Fukuda
  6. Coalition formation mechanism in multi-agent systems based on genetic algorithms  Original Research Article, Applied Soft Computing, Volume 7, Issue 2, March 2007, Pages 561-568, Jingan Yang, Zhenghu Luo
  7. Research of multi-population agent genetic algorithm for feature selection  Original Research Article, Expert Systems with Applications, Volume 36, Issue 9, November 2009, Pages 11570-11581, Yongming Li, Sujuan Zhang, Xiaoping Zeng
  8. An agent-based parallel approach for the job shop scheduling problem with genetic algorithms  Original Research Article, Mathematical and Computer Modelling, Volume 52, Issues 11-12, December 2010, Pages 1957-1965, Leila Asadzadeh, Kamran Zamanifar
  9. Two coding based adaptive parallel co-genetic algorithm with double agents structure  Original Research Article, Engineering Applications of Artificial Intelligence, Volume 23, Issue 4, June 2010, Pages 526-542, Yongming Li, Xiaoping Zeng, Liang Han, Pin Wang
  10. An adaptive genetic algorithm and its application in bilateral multi-issue negotiation  Original Research Article, The Journal of China Universities of Posts and Telecommunications, Volume 15, Supplement 1, September 2008, Pages 94-97, Jian LI, Cong WANG, Yi-xian YANG
  11. Designing fuzzy-genetic learner model based on multi-agent systems in supply chain management  Original Research Article, Expert Systems with Applications, Volume 36, Issue 6, August 2009, Pages 10120-10134, Payam Hanafizadeh, Mohammad Hussein Sherkat
  12. Genetic agents in an EDSS system to optimize resources management and risk object evacuation  Original Research Article, Safety Science, Volume 35, Issues 1-3, June 2000, Pages 59-73, C. Balducelli, C. D’Esposito
  13. Planning vehicle transhipment in a seaport automobile terminal using a multi-agent system  Original Research Article, European Journal of Operational Research, Volume 166, Issue 3, 1 November 2005, Pages 726-740, T. Fischer, H. Gehring
  14. Multi-agent modeling of dispersed manufacturing networks  Original Research Article,  Expert Systems with Applications, Volume 16, Issue 3, April 1999, Pages 297-306, W. B. Lee, H. C. W. Lau
  15. The enhancement of solving the distributed constraint satisfaction problem for cooperative supply chains using multi-agent systems  Original Research Article, Decision Support Systems, Volume 45, Issue 4, November 2008, Pages 795-810, Fu-ren Lin, Hui-chun Kuo, Shyh-ming Lin
  16. Genetic algorithm for optimizing service distributions  Original Research Article, Neurocomputing, Volume 73, Issues 4-6, January 2010, Pages 661-668, Kresimir Jurasovic, Mario Kusek
  17. A dynamic chain-like agent genetic algorithm for global numerical optimization and feature selection  Original Research Article, Neurocomputing, Volume 72, Issues 4-6, January 2009, Pages 1214-1228, Xiao-Ping Zeng, Yong-Ming Li, Jian Qin
  18. A genetic agent-based negotiation system  Original Research Article, Computer Networks, Volume 37, Issue 2, October 2001, Pages 195-204, Samuel P. M. Choi, Jiming Liu, Sheung-Ping Chan
  19. Optimal control of mobile monitoring agents in immune-inspired wireless monitoring networks  Original Research Article, Journal of Network and Computer Applications, In Press, Corrected Proof, Available online 22 December 2010, Wenjia Liu, Bo Chen
  20. Supporting evolution in a multi-agent cooperative design environment  Original Research Article, Advances in Engineering Software, Volume 33, Issue 6, June 2002, Pages 319-328, Hong Liu, John Hamilton Fraze
0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *