الگوریتم بهینه یابی جفت گیری زنبورهای عسل (HBMO) در حل مسایل بهینه سازی

در دهه های اخیر، روش های تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه سازی در حوزه های مختلفی مانند علوم، تجارت و مهندسی مورد استفاده قرار گرفته اند. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک به بهینه مطلق از جمله دلایل موفقیت این روش ها می باشد. فرآیند جفت گیری زنبورهای عسل نیز به عنوان یک روش بهینه سازی بر پایه رفتار حشرات، می تواند مورد توجه قرار گیرد. در این الگوریتم، فرآیند بهینه سازی نشات گرفته از رفتار زنبورهای واقعی در جفت گیری و تولید مثل می باشد. در این مقاله الگوریتم بهینه سازی جفت گیری در زنبورهای عسل در سه مثال شناخته شده ریاضی به کارگرفته شده است. جهت آزمایش قابلیت الگوریتم این سه مثال از مسائل شناخته شده ریاضی مقید و نا مقید و با متغیرهای پیوسته و با انواع پیچیدگی های موجود در مسائل بهینه سازی انتخاب شده اند. الگوریتم با تعداد قابل قبولی از پروازهای جفت گیری نتایج مناسب و نزدیک به بهینه مطلق ارائه می نماید. همچنین جهت نمایش کارآیی الگوریتم در حل این مسائل، نتایج حاصل با یک الگوریتم ژنتیک همراه با نخبه گرائی نیز مقایسه گردیده است. با وجود اینکه این الگوریتم در مراحل مقدماتی توسعه قرار دارد، اما نتایج حاصل بیانگر برابری نمودن و یا حتی برتری نتایج الگوریتم حاضر با نتایج حاصل از روش الگوریتم ژنتیک می باشد. مثال آخر نیز یک مسئله در دنیای واقعی و در رسته مهندسی آب است که مسئله بهره برداری بهینه از مخزن را شامل می شود. مدل توسعه یافته در یک مخزن با 60 دوره بهره برداری و با تابع هدف حداقل نمودن مجموع مجذور اختلاف رهاسازی از نیاز به کار گرفته شده است. نتایج حاصل گویای نتایج قابل قبول این الگوریتم با جواب بهینه مطلق این مسئله که از روش برنامه ریزی غیر خطی حاصل شده است می باشد.