یک الگوریتم الهام گرفته از طبیعت مبتنی بر نظریه شرطی سازی کلاسیک

الگوریتم های فرا ابتکاری الهام گرفته از طبیعت که به تقلید از طبیعت می باشند، یک دوره جدید را در حل مسائل بهینه سازی باز کردند. در این مقاله با استفاده از رفتار یادگیری شرطی سازی کلاسیک پرندگان، ذرات یاد می گیرند یک رفتار طبیعی شرطی را در قبال یک محرک غیرشرطی انجام دهند. ذرات در فضای مسئله به چندین دسته تقسیم خواهند شد و هر ذره اگر تنوع دسته خود را در سطح پایینی دید، سعی خواهد کرد به سمت بهترین تجربه شخصی خود حرکت کند و اگر سطح تنوع دسته بالا بود ذره یاد خواهد گرفت که در این شرایط به سمت بهینه عمومی دسته خود متمایل شود. همچنین با استفاده از ایده حساسیت پرندگان نسبت به فضایی که در آن پرواز می کنند، سعی شده که ذرات در فضاهای نامناسب با سرعت بیشتری به حرکت درآمده تا ذره از آن فضا دور گردد و بالعکس در فضاهای پرارزش سرعت ذرات جهت جستجوی بیشتر، پایین خواهد آمد. در جمعیت دهی اولیه نیز با استفاده از رفتار غریزی پرندگان، یک جمعیت دهی براساس شایستگی ذرات انجام خواهد شد. روش پیشنهادی در نرم افزار متلب پیاده سازی شده و نتایج در چندین بخش با روش های مختلف مشابه مقایسه و نتایج حاکی از آن بوده که روش پیشنهادی یک الگوریتم قابل اتکا در حل مسائل بهینه سازی ایستا می باشد.