دانلود پاورپوینت الگوریتم فاخته ( الگوریتم کوکو ) جستجو و بهینه سازی

پاورپوینت الگوریتم فاخته که الگوریتم کوکو نیز گفته می شود ، پاورپوینتی که شامل انواع روش ها ، تاریخچه ، مقایسه با الگوریتم های دیگر و همچنین الگوریتم جستجوی فاخته و الگوریتم بهینه سازی فاخته است که در قالب ۲ فایل پاورپوینت با بیش از ۷۵ از اسلاید در مجموع دو پاورپوینت می باشد، پاورپوینت اول شامل معرفی الگوریتم بهینه سازی فاخته ، فلوچارت و کاربرد های آن و چندین مثال می باشد و در پاورپوینت دوم بحث روش الگوریتم جستجو فاخته ، پرواز لووی ، ایده در طبیعت و مقایسه با دیگر روش ها است.

عناوین پاورپوینت الگوریتم فاخته و الگوریتم های جستجو و بهینه سازی فاخته

پاورپوینت اول شامل عناوین:

• الگوریتم بهینه سازی فاخته
• معرفی الگوریتم بهینه سازی فاخته
• فلوچارت و گام های الگوریتم
• مثال ها و نمونه ها
• کاربرد ها
• معرفی منابع اطلاعاتی
• روش جالب زندگی و تخم­گذاری فاخته
• ایده اصلی COA
• روش فاخته ها برای تخمگذاری
• مهاجرت فاخته ها
• همگرایی الگوریتم
• بهینه سازی با COA
• بهینه سازی با ICA
• بهینه سازی با GA
• بهینه سازی با PSO
• برتری های COA در مقایسه با دیگر  روش ها
• كاربردهاي COA

پاورپوینت دوم شامل عناوین:

• الگوریتم بهینه سازی فاخته (کوکو)
• تاریخچه
• ایده در طبیعت
• روش جستجوی فاخته
• مقایسه با دیگر روشها
• پرواز لووی
• فاخته برای خود لانه نمی سازد
• تکامل در شکل تخم فاخته
• احتمال لو رفتن تخم فاخته
• شباهت جوجه فاخته و خصوصیات رفتاری
• قوانین جستجوی فاخته
• فلوچارت الگوريتم بهينه سازي فاخته
• تابع برازندگی
• مراحل الگوریتم
• ورشکستگی
• انواع مدل هاي پيش بيني ورشكستگي
• مقایسه با GA و PSO
• نتیجه گیری

توضیحات برخی اسلاید های پاورپوینت الگوریتم کوکو یا فاخته

روش جالب زندگی و تخم­گذاری فاخته

برخی از پرندگان هرگز برای خود لانه نمی­سازند و به جای آن تخم­های خود را در لانه سایر انواع پرندگان قرار می­دهند و صبر می­کنند تا آن­ها در کنار تخم­های خود به تخم­های این پرندگان نیز رسیدگی کنند.

این پرندگان در اصطلاح “پارازیت­های اولاد” نامیده می­شوند.

فاخته مشهورترین پارازیت اولادی می­باشد.

فاخته مادر یکی از تخم­های پرنده مادر میزبان را از بین می­برد و تخم خود را لابلای تخم­های دیگر موجود در لانه میزبان قرار می­دهد.

فاخته­ها لانه­های انواع گونه­های پرندگان را آلوده به تخم خود می­کنند و این کار را به دقت و با تقلید از رنگ و الگوی تخم­های موجود در هر لانه انجام می­دهند.

هر فاخته­ی ماده روی نوع خاصی از گونه پرندگان تخصص می­یابد.

در واقع فاخته­ها به طور پیوسته تقلید خود را از تخم­های لانه­های هدف بهبود می بخشند و پرندگان میزبان هم روش­های شناسایی تخم­های بیگانه را یاد می­گیرند.

جوجه­ های فاخته زودتر از تخم­های پرنده میزبان از تخم بیرون می­آیند و زودتر هم رشد می­کنند.

در اکثر موارد جوجه­ی فاخته تخم­ها و یا جوجه­های پرنده میزبان را از لانه بیرون می­اندازند. این مساله کاملاً غریزی است.

فاخته­های پارازیت انداز به گروه­هایی تقسیم می­شوند و هر گروه روی پرنده میزبان خاصی تخصص می­یابد. ثابت شده است که هر گروه از فاخته­ها به صورت ژنتیکی با گروه دیگر اختلاف دارند.

مهاجرت فاخته ها

وقتی جوجه فاخته­ها رشد کردند و بالغ شدند مدتی در محیط­ها و گروه­های خودشان زندگی می­کنند ولی وقتی زمان تخمگذاری نزدیک می­شودبه habitat های بهتر که در آنجا شانس زنده ماندن تخم­ها بیشتر است مهاجرت می­کنند.

پس از تشکیل گروه­های فاخته در مناطق مختلف زیست کلی (فضای جستجوی مساله) گروه دارای بهترین موقعیت به عنوان نقطه هدف برای سایر فاخته­ها جهت مهاجرت انتخاب می­شود.

وقتی فاخته­های بالغ در اقصی نقاط محیط زیست زندگی می­کنند تشخیص اینکه هر فاخته به کدام گروه تعلق دارد کار سختی است. برای حل این مشکل، گروه­بندی فاخته­ها توسط روش کلاس­بندی K-means انجام می­شود (یک k بین ۳ تا ۵ معمولا کفایت می­کند).

حال که گروه های فاخته تشکیل شدند سود میانگین گروه محاسبه می­شود تا بهینگی نسبی محل زیست آن گروه به دست آید.

سپس گروهی که دارای بیشترین مقدار متوسط سود (بهینگی) می­باشد، به عنوان گروه هدف انتخاب شده و گروه­های دیگر به سمت آن مهاجرت می­کنند.

هنگام مهاجرت به سمت نقطه هدف فاخته­ها تمام مسیر را به سمت محل هدف طی نمی­کنند. آنها فقط قسمتی از مسیر را طی کرده و در آن مسیر هم انحرافی دارند.

هر فاخته فقط λ% از کل مسیر را به سمت هدف ایده­آل فعلی طی می­کند و یک انحراف φ رادیان نیز دارد. این دو پارامتر به فاخته­ها کمک می­کند تا محیط بیشتری را جستجو کنند. λ عددی تصادفی بین ۰ و ۱ است و φ عددی بین π/۶ و π/۶- می باشد.

وقتی تمام فاخته­ها به سمت نقطه هدف مهاجرت کردند و نقاط سکونت جدید هرکدام مشخص شد، هر فاخته صاحب تعدادی تخم می­شود.

با توجه به تعداد تخم هر فاخته یک ELR برای آن مشخص می­شود و سپس تخمگذاری شروع می­گردد.

با توجه به این واقعیت که همیشه تعادلی بین جمعیت پرندگان در طبیعت وجود دارد عددی مثل Nmax حداکثر تعداد فاخته­هایی را که می­توانند در یک محیط زندگی کنند کنترل و محدود می­کند.

این تعادل به دلیل محدودیت­های غذایی، شکار شدن توسط شکارچیان و نیز عدم امکان پیدا کردن لانه­های مناسب برای تخم­ها وجود دارد.

فاخته برای خود لانه نمی سازد

تخم های خود را در لانه دیگر پرنده ها می گذارد.

ممکن است برخی تخم های پرنده ی میزبان را از بین ببرد.

پرندگان میزبان را وادار به همکاری در ادامه نسل می کند .

تصویری از چگونگی تخمگذاری فاخته:

قوانین جستجوی فاخته

هر فاخته در هر زمان یک تخم می گذارد.

بهترین لانه ها با کیفیت بالای تخم ، نسل بعدی را تشکیل می دهند.

تخمی که توسط فاخته گذاشته می شود با احتمال pa%  توسط پرنده  میزبان کشف می شود. (معمولاً ۱۰%)

گام های اصلی بهینه سازی الگوریتم فاخته

مکان های سکونت فعلی فاخته ها را به صورت تصادفی مشخص نمایید.

تعدادی تخم به هر فاخته اختصاص دهید.

شعاع تخم گذاری هر فاخته را تعیین می شود

فاخته ها در لانه های میزبانانی که در شعاع تخمگذاری آن ها قرار دارند، تخمگذاری می کنند.

تخم هایی که توسط پرندگان میزبان شناسایی می شوند از بین می روند.

تخم فاخته هایی که شناسایی نشده اند پرورش می یابند.

محل سکونت فاخته های جدید را ارزیابی نمایید.

ماکزیمم تعداد فاخته هایی که در هر مکان امکان زندگی دارند را مشخص نمایید و آن هایی را که در مکان های نامناسب هستند از بین ببرید.

فاخته ها را با استفاده از روش K-means خوشه بندی و بهترین گروه فاخته را به عنوان مکان سکونت هدف مشخص نمایید.

جمعیت جدید فاخته ها به سمت مکان هدف حرکت می کند.

اگر شرط توقف برقرار گردیده توقف، در غیر این صورت به گام ۲ بروید.

مراحل الگوریتم

لانه ی میزبان به طور تصادفی در ایستگاه ایجاد می شود هر کدام از این لانه ها متعلق به یک فاخته است هر کدام دارای یک تخم (راه حل کاندیدا)هستند .این فاخته ها جمعیت اولیه را تشکیل می دهند .

برای هر یک میزان برازندگی محاسبه می شود .

در هر سنی اعمال زیر انجام می شود.

تعداد مشخص از بهترین ها به عنوان فاخته های مزاحم در نظر گرفته می شوند.

برای یک فاخته که تصادفی از میان فاخته های مزاحم انتخاب شده است.

لانه ها (راه حل های کاندیدا)بر مبنای برازندگی مرتب می شوند.

تعدادی از بدترین ها توسط فاخته ی میزبان کشف می شوند بنابراین پرنده لانه را ترک کرده (راه حل از جمعیت حذف می شود)

دیگر تخم ها که کشف نشده اند (بهترین ها)فرصت بقا و رشد می یابند (در جمعیت بعدی حضور دارند)

نتیجه گیری

قابل رقابت با PSO و GA در برخی موارد بهتر از آنها

قابل توسعه در انواع مسائل بهینه سازی

جستجوی محلی و سراسری تنها با یک مکانیزم

داشتن پارامترهای اندک جهت مقداردهی اولیه

توجه نمایید این متون از اسلاید ها به صورت پراکنده انتخاب شده اند و فقط برخی از اسلاید ها هستند و کامل نمی باشد.

برای مشاهده و خرید پاورپوینت به صورت کامل ، لطفا آن را خریداری نمایید.