مدیراما

روش‌ها و الگوریتم‌های بهینه‌سازی به دو دسته الگوریتم های دقیق‌ (Exact) و الگوریتم‌های تقریبی (Approximate Algorithms) تقسیم‌بندی می‌شوند. الگوریتم‌های دقیق قادر به یافتن جواب بهینه به صورت دقیق هستند اما در مورد مسائل بهینه سازی سخت، کارایی ندارند و زمان حل آنها در این مسائل به صورت نمایی افزایش می‌یابد. الگوریتم‌های تقریبی قادر به یافتن جواب‌های خوب (نزدیک به بهینه) در زمان حل کوتاه برای مسائل بهینه‌سازی سخت هستند. الگوریتم‌های تقریبی معمولا به دو دسته الگوریتم‌های ابتکاری (Heuristic) و فراابتکاری (Metaheuristic) طبقه بندی می شوند. دو مشکل اصلی الگوریتم‌های ابتکاری، قرار گرفتن آنها در بهینه‌های محلی، و ناتوانی آنها برای کاربرد در مسائل گوناگون است. الگوریتم‌های فراابتکاری برای حل این مشکلات ارائه شده‌اند. در واقع الگوریتم‌های فراابتکاری، یکی از انواع الگوریتم‌های بهینه‌سازی تقریبی هستند که دارای راهکارهای برونرفت از بهینه محلی می‌باشند و قابل کاربرد در طیف گسترده ای از مسائل هستند.

دسته‌بندی الگوریتم‌های فرا ابتکاری:

معیارهای مختلفی می‌تواند برای طبقه‌بندی الگوریتم‌های فرا ابتکاری استفاده شود:

  1. مبتنی بر یک جواب و مبتنی بر جمعیت: الگوریتم‌های مبتنی بر یک جواب در حین فرایند جستجو یک جواب را تغییر می‌دهند، در حالی که در الگوریتم‌های مبتنی بر جمعیت در حین جستجو، یک جمعیت از جواب‌ها در نظر گرفته می‌شوند.
  2. الهام گرفته شده از طبیعت و بدون الهام از طبیعت: بسیاری از الگوریتم‌های فرا ابتکاری از طبیعت الهام گرفته شده‌اند، در این میان برخی از الگوریتم‌های فرا ابتکاری نیز از طبیعت الهام گرفته نشده اند.
  3. با حافظه و بدون حافظه: برخی از الگوریتم‌های فرا ابتکاری فاقد حافظه می‌باشند، به این معنا که، این نوع الگوریتم‌ها از اطلاعات بدست آمده در حین جستجو استفاده نمی‌کنند (به طور مثال تبرید شبیه‌سازی شده). این در حالی است که برخی از الگوریتم‌های فرا ابتکاری نظیر جستجوی ممنوعه از حافظه استفاده می‌کنند. این حافظه اطلاعات بدست آمده در حین جستجو را در خود ذخیره می‌کند.
  4. قطعی و احتمالی: یک الگوریتم فرا ابتکاری قطعی نظیر جستجوی ممنوعه، مسئله را با استفاده از تصمیمات قطعی حل می‌کند. اما در الگوریتم‌های فرا ابتکاری احتمالی نظیر تبرید شبیه سازی شده، یک سری قوانین احتمالی در حین جستجو مورد استفاده قرار می‌گیرد.

اگر در خصوص روش های فرا ابتکاری به مشاوره و کمک نیاز دارید، درخواست خود را در (اینجا) ثبت کنید. لطفا تشریح کنید که چه نوع داده هایی در اختیار دارید و می خواهید از کدام یک از روش ها استفاده کنید. به طور معمول ما برای تجزیه و تحلیل داده ها با استفاده از الگوریتم های فرا ابتکاری، از نرم افزار (MATLAB) استفاده می کنیم و در پایان نتیجه این تجزیه و تحلیل را در قالب فایل ورد (doc.) و خروجی های حاصل از کدنویسی در نرم افزار را برای شما ارسال می کنیم. همچنین همه فرایند انجام کار را به شما آموزش خواهیم داد.

مدیراما همیار شما در مسیر تحصیلی