پرسش و پاسخ – چند سوال در مورد الگوریتم و کدها به همراه پاسخ

با تشکر”

1. نمودار نشان داده شده در فصل سه برای سیاست جذب، صرفاً به منظور نشان دادن نحوه انجام این بخش از الگوریتم است و همین عملگر به راحتی برای ابعاد بالاتر نیز انجام می شود. همانگونه که در مثالهای فصل چهار و همچنین در اغلب مقالات منتشر شده مشاهده می شود (+)، الگوریتم رقابت استعماری با موفقیت به مسائل بسیاری با ابعاد بسیار بالا اعمال شده و در مقایسه با دیگر روشها نتایج بسیار خوبی از خود نشان داده است.
2. عبارت “نسل ها” که برگرفته از واژه generations در الگوریتم ژنتیک هستند، همان تعداد تکرار های یک چرخه کامل از الگوریتم را نشان می دهند. مثلاً نسل 10 یعنی اینکه الگوریتم 10 بار سیاستهای جذب، انقلاب و رقابت استعماری و … را طی کرده است. لازم به ذکر است که در متون جدید منتشر شده در مورد الگوریتم رقابت استعماری مشاهده می شود که عبارت “دهه” (Decade) که ارتباط معنایی بیشتری با ماهیت این الگوریتم دارد، به جای “نسل” مورد استفاده قرار می گیرد.
3. همگرایی در یک الگوریتم می تواند به گونه های مختلفی تعریف شود. مثلاً
   1. رسیدن به تعداد معینی از فراخوانی تابع هزینه. مثلاً پس از 10000 بار فراخوانی تابع هزینه الگوریتم را متوقف می کنیم.
   2. رسیدن به یک جواب معین و راضی کنند. مثلاً رسیدن به هزینه 0.001
   3. داشتن تعداد معینی تکرار بدون بهبود جواب به دست آمده. مثلاً تعیین می کنیم اگر الگوریتم 20 تکرار داشت و اگر نتوانست بیش از 0.00001 هزینه را کمتر کند، متوقف شود.
   4. معیارهای وابسته به الگوریتم. مثلاً هر موقع هزینه میانگین و هزینه مینیمم در الگوریتم ژنتیک با هم برابر شدند. یا سقوط تمام امپراطوری ها در الگوریتم رقابت استعماری. این حالت در نسخه های اولیه این الگوریتم اعمال می شد ولی در نسخه های جدید معمولاً از شرط یک به عنوان شرط توقف این الگوریتم استفاده می شود. استفاده از حالت یک، مقایسه میان دو الگوریتم را راحت تر می کند. برای کسب اطلاعات بیشتر پستی که در مورد نحوه مقایسه دو الگوریتم تکاملی نوشته شده است (+)، را مطالعه نمائید.
4. در الگوریتم های تکاملی، هزینه متوسط در هر تکرار، میانگین هزینه (Cost) تک تک جوابهای جمعیت است. هزینه مینیمم نیز، کمترین هزینه (بهترین جواب) تا حال حاضر می باشد. نمودار های هزینه میانگین و مینیمم بر حسب تعداد تکرارهای الگوریتم مهم می باشند. بطور ویژه نمودار هزینه مینیمم بر حسب تعداد تکرار میزان موفقیت الگوریتم را گزارش می کند. از روی این نمودارها می توان دو الگوریتم را در توانایی رسیدن به جواب با هم مقایسه نمود. برای کسب اطلاعات بیشتر پستی که در مورد نحوه مقایسه دو الگوریتم تکاملی نوشته شده است (+)، را مطالعه نمائید.

 

“با سلام و تشکر از در اختیار گذاشتن کد ICA،

1) با توجه به مطلبی که در مقاله آمده در ابتدا بعد از تعیین امپریالیستها میبایست بصورت تصادفی مابقی کشورها بین آنها توزیع شوند ولی در کد C# به هر امپریالست متناسب با تعدادی که میتواند colony داشته باشد مستعمره گرفته اما آن امپریایست قوی تر مستعمره ها ی قویتر را دارد اخذ میکند که مسلما کل هزینه اش کمتر از مابقی امپراطوری ها شده. آیا منطقی تر نیست که بار اول کشور ها بصورت تصادفی در مقداردهی اولیه توزیع شوند؟

کد سی شارپ به صورت زیر است.

int j0 = 0;

        for (int i = 0; i < nImp; i++)
{
for (int l = 0; l < N[i]; l++)
{
imp[i].AddColony(col[j0]);
j0++;

            }

        }

2) همچنین متشکر میشوم مرا راجع به درک قطعه کد زیر در کد متلب ICA راهنمایی کنید (قسمتهای رنگی مربوط به تابع زیر)

function Empires = CreateInitialEmpires(InitialCountries,InitialCost,AlgorithmParams, ProblemParams))

 ….

AllImperialistNumOfColonies = round(AllImperialistsPower/sum(AllImperialistsPower) * AlgorithmParams.NumOfAllColonies);

AllImperialistNumOfColonies(end) = AlgorithmParams.NumOfAllColonies – sum(AllImperialistNumOfColonies(1:end-1));

RandomIndex = randperm(AlgorithmParams.NumOfAllColonies);

Empires(AlgorithmParams.NumOfInitialImperialists).ImperialistPosition = 0;

for ii = 1:AlgorithmParams.NumOfInitialImperialists
    Empires(ii).ImperialistPosition = AllImperialistsPosition(ii,:);
    Empires(ii).ImperialistCost = AllImperialistsCost(ii,:);
    R = RandomIndex(1:AllImperialistNumOfColonies(ii)); 

    RandomIndex(AllImperialistNumOfColonies(ii)+1:end);
    Empires(ii).ColoniesPosition = AllColoniesPosition(R,:);
    Empires(ii).ColoniesCost = AllColoniesCost(R,:);
Empires(ii).TotalCost = Empires(ii).ImperialistCost + AlgorithmParams.Zeta * mean(Empires(ii).ColoniesCost);
end for ii = 1:numel(Empires)
    if numel(Empires(ii).ColoniesPosition) == 0
        Empires(ii).ColoniesPosition = GenerateNewCountry(1,ProblemParams);                 %
        Empires.ColoniesCost = feval(ProblemParams.FunctionName,Empires.ColoniesPosition);

    end

end

با تشکرفراوان