Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

ACO

167 views

Published on

  • Be the first to comment

  • Be the first to like this

ACO

  1. 1. 1
  2. 2. ‫مورچگان‬ ‫الگوریتم‬ ‫راهنما‬ ‫استاد‬:‫کاظمی‬ ‫دکتر‬ ‫خانم‬ ‫کننده‬ ‫تهیه‬:‫محسن‬‫غفارپناه‬ ‫ارائه‬ ‫تاریخ‬:۹۵/۹/۲۰ 2
  3. 3. ‫چیست؟‬ ‫هوش‬ •‫یک‬ ‫هوش‬‫ذهنی‬ ‫توانایی‬‫است‬ •‫همچون‬ ‫متنوعی‬ ‫های‬‫قابلیت‬ ‫و‬ •‫استدالل‬‫مسئله‬ ‫حل‬ ،‫ریزی‬‫برنامه‬ ،، •،‫زبان‬ ‫از‬ ‫استفاده‬ ،‫انتزاعی‬ ‫تفکر‬ •‫و‬‫بر‬ ‫در‬ ‫را‬ ‫یادگیری‬‫گیرد‬‫می‬. 3
  4. 4. ‫هوش‬ ‫ازدحامی‬ 4 •‫از‬ ‫که‬ ‫است‬ ‫هوش‬ ‫از‬ ‫نوعی‬‫همکاری‬‫یک‬ ‫جمعیت‬‫آید‬ ‫می‬ ‫بوجود‬. •‫از‬ ‫یک‬ ‫هیچ‬ ‫توسط‬ ‫هوش‬ ‫از‬ ‫سطح‬ ‫این‬ ‫نمی‬ ‫دستیابی‬ ‫قابل‬ ‫جمعیت‬ ‫افراد‬ ‫باشد‬. •‫بین‬ ‫همکاری‬ ‫به‬ ‫رسیدن‬ ‫منظور‬ ‫به‬ ‫یک‬ ‫نیازمند‬ ‫اعضا‬‫ارتباطی‬ ‫جریان‬ ‫هستیم‬.
  5. 5. ‫هوش‬ ‫بر‬ ‫مبتنی‬ ‫های‬ ‫الگوریتم‬ ‫ازدحامی‬ •‫الگوریتم‬‫کلونی‬‫مورچگان‬(ACO) •‫الگوریتم‬‫کلونی‬‫زنبورها‬(ABC) •‫الگوریتم‬‫ازدحام‬‫ذرات‬(PSO) ‫و‬... 5
  6. 6. ‫مورچگان‬ ‫الگوریتم‬ ‫اولیه‬ ‫ایده‬ •‫سال‬ ‫در‬۱۹۸۹‫نام‬ ‫به‬ ‫شناسی‬ ‫حشره‬ ‫به‬ ‫را‬ ‫آزمایشی‬ ‫همکارانش‬ ‫و‬ ‫گاس‬ ‫در‬ ‫ها‬ ‫مورچه‬ ‫رفتار‬ ‫شناخت‬ ‫منظور‬ ‫تدارک‬ ‫غذا‬ ‫سمت‬ ‫به‬ ‫مسیر‬ ‫انتخاب‬ ‫دیدند‬. •‫ها‬ ‫مورچه‬ ‫از‬ ‫گروهی‬ ‫دانشمندان‬ ‫این‬ ‫سمت‬ ‫به‬ ‫النه‬ ‫از‬ ‫راهی‬ ‫دو‬ ‫یک‬ ‫در‬ ‫را‬ ‫دادند‬ ‫قرار‬ ‫غذا‬. 6
  7. 7. ‫اولیه‬ ‫ایده‬ ‫مورچگان‬ ‫الگوریتم‬ •‫خود‬ ‫از‬ ‫رفتن‬ ‫راه‬ ‫هنگام‬ ‫ها‬ ‫مورچه‬ ‫ماده‬‫شیمیایي‬‫نام‬ ‫به‬‫فرومون‬‫به‬ ‫جاي‬‫ماده‬ ‫این‬ ‫البته‬ ‫گذارند‬ ‫مي‬ ‫کوتاه‬ ‫در‬ ‫ولي‬ ‫شود‬ ‫مي‬ ‫تبخیر‬ ‫بزودي‬ ‫زمین‬ ‫سطح‬ ‫بر‬ ‫مورچه‬ ‫رد‬ ‫بعنوان‬ ‫مدت‬ ‫ماند‬ ‫مي‬ ‫باقي‬. 7
  8. 8. ‫مورچگان‬ ‫الگوریتم‬ ‫اولیه‬ ‫ایده‬ •‫برگشت‬ ‫و‬ ‫رفت‬ ‫زمان‬ ‫که‬ ‫است‬ ‫مشخص‬ ‫باال‬ ‫مسیر‬ ‫از‬ ‫ها‬ ‫مورچه‬(‫مسیر‬ ‫کوتاهتر‬)‫های‬ ‫مورچه‬ ‫و‬ ‫است‬ ‫کمتر‬ ‫به‬ ‫و‬ ‫رسیده‬ ‫غذا‬ ‫به‬ ‫زودتر‬ ‫باال‬ ‫مسیر‬ ‫تردد‬ ‫درنتیجه‬ ‫گشت‬ ‫خواهند‬ ‫بر‬ ‫آشیانه‬ ‫است‬ ‫بیشتر‬ ‫باال‬ ‫مسیر‬ ‫در‬. •‫به‬ ‫بعدی‬ ‫مورچگان‬‫زیاد‬ ‫احتمال‬‫مسیری‬ ‫فرومون‬ ‫که‬ ‫کنند‬ ‫می‬ ‫انتخاب‬ ‫را‬ ‫دیگر‬ ‫عبارت‬ ‫به‬ ‫یا‬ ‫دارد‬ ‫بیشتری‬ ‫بیشتری‬ ‫های‬ ‫مورچه‬ ‫تاکنون‬ ‫که‬ ‫مسیری‬ ‫اند‬ ‫کرده‬ ‫عبور‬ ‫آن‬ ‫از‬. 8
  9. 9. ‫الگوریتم‬ ‫مورچگان‬ •‫سال‬ ‫در‬ ‫مورچگان‬ ‫الگوریتم‬1991‫توسط‬ ‫دوریگو‬(Dorigo)‫از‬ ‫گرفتن‬ ‫الهام‬ ‫با‬ ‫مشکل‬ ‫مسائل‬ ‫حل‬ ‫منظور‬ ‫به‬ ‫گاس‬ ‫آزمایش‬ ‫گرد‬ ‫دوره‬ ‫فروشنده‬ ‫مثل‬ ‫سازی‬ ‫بهینه‬ ‫شد‬ ‫ابداع‬. •‫بر‬ ‫مورچگان‬ ‫الگوریتم‬ ‫فكري‬ ‫بنیان‬ ‫آنچه‬ ‫بسادگي‬ ‫توان‬ ‫مي‬ ‫را‬ ‫است‬ ‫شده‬ ‫بنا‬ ‫آن‬ ‫و‬‫نمود‬ ‫بیان‬ ‫جمله‬ ‫یك‬ ‫در‬" :‫ها‬ ‫مورچه‬ ‫در‬ ‫موجود‬ ‫هاي‬ ‫محدودیت‬ ‫و‬ ‫موانع‬ ‫بین‬ ‫در‬ ‫طبیعت‬‫همیشه‬‫هاي‬ ‫جایگشت‬ ‫بین‬ ‫از‬ ‫به‬ ‫رسیدن‬ ‫براي‬ ‫متفاوت‬،‫غذا‬ ‫کوتاهترین‬‫را‬ ‫راه‬‫كنند‬ ‫مي‬ ‫انتخاب‬." •«‫فرومون‬ ‫شدن‬ ‫تبخیر‬»‫و‬«‫احتمال‬-‫تصادف‬»9
  10. 10. ‫کاربردهای‬ ‫مورچگان‬ ‫الگوریتم‬ 10
  11. 11. ‫در‬ ‫مسیریابی‬Knapsack 11
  12. 12. ‫هر‬ ‫در‬ ‫فرومون‬ ‫در‬ ‫تغییر‬ ‫تکرار‬ 12 •‫فرومون‬ ‫افزایش‬ •‫فرومون‬ ‫تبخیر‬
  13. 13. ‫سازی‬ ‫پیاده‬ ‫های‬ ‫گام‬ACO 13 1)‫سازی‬ ‫آماده‬ 2)‫تکرار‬ ‫هر‬ ‫برای‬(for it=1:MaxIt): 2-‫الف‬)‫مورچه‬ ‫هر‬ ‫برای‬(for k=1:nAnt): 2-‫الف‬-1)‫خالی‬ ‫را‬ ‫مورچه‬ ‫آن‬ ‫مسیر‬ ‫بردار‬ ‫کن‬(ant(k).Tour=[]) 2-‫ب‬)‫آیتم‬ ‫هر‬ ‫برای‬(for l=1:nVar): 2-‫ب‬-1)‫ی‬ ‫گره‬ ‫احتمال‬0‫و‬1‫محاسبه‬ ‫را‬ ‫کن‬(P=tau(:,l).^alpha) 2-‫ب‬-2)‫تابع‬ ‫طبق‬(‫ویل‬ ‫رولت‬)‫ها‬ ‫گره‬ ‫بین‬ ‫از‬ ‫کن‬ ‫انتخاب‬(j=RouletteWheelSelection(P))
  14. 14. ‫پیاده‬ ‫های‬ ‫گام‬ ‫سازی‬ACO 2-‫ج‬)‫توسط‬ ‫شده‬ ‫برداشته‬ ‫های‬ ‫آیتم‬ ‫ارزش‬ ‫اگر‬ ‫مورچه‬k‫از‬ ‫ام‬‫بهترین‬‫مورچه‬‫بود‬ ‫بیشتر‬(if ant(k).Cost<BestAnt.Cost) 2-‫ج‬-1)‫آن‬‫مورچه‬ ‫بهترین‬ ‫عنوان‬ ‫به‬ ‫را‬ ‫مورچه‬ ‫قرار‬‫بده‬(BestAnt=ant(k)) 3)‫ها‬ ‫مورچه‬ ‫همه‬ ‫برای‬ ‫مسیر‬ ‫شدن‬ ‫ساخته‬ ‫از‬ ‫پس‬: 3-‫الف‬)‫عبور‬ ‫آن‬ ‫از‬ ‫که‬ ‫هایی‬ ‫گره‬ ‫روی‬ ‫مورچه‬ ‫هر‬ ‫فرومون‬ ‫کرده‬ ‫میریزید‬ tauij=tauij+∆tauij14
  15. 15. ‫موجود‬ ‫شهرهای‬ ‫بین‬ ‫انتخاب‬ ‫نحوه‬ 15
  16. 16. ‫کدنویسی‬ ‫نحوه‬ RouletteWheelSelection 1. r=u(0,1) 2. Ci=p1+p2+…+pi 3. Output=min{i/r<=ci} 16
  17. 17. ‫پشتی‬ ‫کوله‬ ‫مسئله‬(MyCost) 17 •‫هدف‬ ‫تابع‬: 𝒎𝒂𝒙 𝒊 𝒏 𝒗𝑖 ∗ 𝒙𝑖 •‫محدودیت‬: 𝒊 𝒏 𝒘𝑖 ∗ 𝒙𝑖 ≤ 𝑾 𝒙𝑖 Ɛ {𝟎, 𝟏}
  18. 18. ‫برای‬ ‫پشتی‬ ‫کوله‬ ‫مسئله‬ ‫سازی‬ ‫آماده‬ ‫مورچگان‬ ‫الگوریتم‬ = 𝑚𝑖𝑛 𝑖 𝑛 𝑣𝑖 1 − 𝑥𝑖 = V0objective Violation = 𝑖 𝑛 𝑤𝑖 ∗ 𝑥𝑖 − 𝑊 Violation% = 𝑖 𝑛 𝑤𝑖∗𝑥𝑖 𝑊 − 1 18
  19. 19. ‫مسئله‬ ‫های‬ ‫داده‬(CreateModel) N=8; v=[2 9 3 8 10 6 4 10]; w=[1 3 4 3 3 1 5 10]; W=15; 19
  20. 20. ‫نتای‬ ‫ج‬ BestAnt.x = 1 1 1 1 1 1 0 0 20
  21. 21. ‫منابع‬ • A. Colorni, M. Dorigo, and V. Maniezzo, “Distributed optimization by ant colonies,” in Proc. ECAL91—Eur. Conf. Artificial Life. New York: Elsevier, 1991, pp. 134–142 • Dorigo M, Birattari M, Stutzle T. Ant colony optimization. Comput Intell Magaz, IEEE 2006;1:28–39 • www.wikipedia.org/ 21
  22. 22. ‫توجه‬ ‫از‬ ‫تشکر‬ ‫با‬ ‫شما‬ 22

×