Υλοποίηση Και Αξιολόγηση Καινοτόμου Μεθοδολογίας Εξελικτικής Βελτιστοποίησης

Abstract

Τα τελευταία, σημαντικές εξελίξεις έχουν γίνει στον ερευνητικό χώρο των εξελικτικών αλγορίθμων.Πολλοί νέοι αλγόριθμοι έχουν παρουσιαστεί εμπνευσμένοι από τον τρόπο που λειτουργούν διάφοροι φυσικοί οργανισμοί επιλύοντας δύσκολα προβλήματα μέσω απλών μηχανισμών. Ο αλγόριθμος BFO είναι ένας αλγόριθμος που μιμείται τον τρόπο που το βακτήριο E.Coli αναζητά θρεπτικά στοιχεία στο περιβάλλον του και αποτελεί έναν από τους πιο υποσχόμενους εξελικτικούς αλγορίθμους.Αρκετές παραλλαγές του αλγορίθμου έχουν προταθεί για την βελτίωση του , ανάμεσα σε αυτούς και ο FBSA.Η παρούσα διπλωματική εργασία ασχολείται με την υλοποίηση και αξιολόγηση δύο καινοτόμων αλγορίθμων εξελικτικής βελτιστοποίσης που βασίζονται στους BFO και FBSA, των BFO-C και FBSA-C αντίστοιχα,οι οποίοι κάνουν χρήση συνεργατικών μεθόδων για την αύξηση της απόδοσης του αλγορίθμου BFO. Αρχικά γίνεται προσπάθεια να προσεγγιστούν με τη ματιά του ηλεκτρολόγου μηχαχνικού και μηχανικού υπολογιστών οι απαραίτητες έννοιες σχετικές με τις λειτουργίες που λαμβάνουν χώρα στο πεδίο της βιολογίας και αποτελούν πηγή έμπνευσης για τον αλγόριθμο αυτό καθώς και για τις διάφορες παραλλαγές που έχουν προταθεί για την βελτίωση του.Στην συνέχεια αναλύονται και μελετούνται τα χαρακτηριστικά των αλγόριθμων BFO , BFSA , PSO , CPSO-Sk , CPSO-S , CPSO-Ηk , CPSO-Η και εξηγείται το προβλήμα της στασιμότητας και των ψευδοελαχίστων στους συνεργατικούς αλγόριθμους και πως επιλύεται με την χρήση υβριδικών μεθόδων.Σε αυτό το πλαίσιο παρουσιάζονται και αναλύονται οι αλγόριθμοι BFO-C και FBSA-C και δίνονται μετρήσεις που επιβεβαιώνουν την ανωτερότητα των αλγορίθμων αυτών έναντι των BFO και FBSA.During the last years, remarkable developments have taken place in the research domain of evolutionary algorithms, a subdomain of evolutionary programming and artificial intelligence. Μany new algorithms have been presented ,inspired by the way living creatures cooperate to cope with difficult problems ,using the simple mechanisms available to them.Τhe BFO algorithm is an algorithm ,a biomimicry of the bacterial foraging of E.Coli , which is one of the most promising evolutionary algorithms. Several alternatives of the algorithm have been suggested to improvement of the algorithm, one of the most successful is the FBSA algorithm. The current work focuses on the development and evaluation of two novel algorithms of evolutionary programming based on the BFO and FBSA, the BFO-C and FBSA-C algorithms respectively which use cooperative strategies for the improvement of the BFO algorithm. At first we attempt to inspect the subject through the scope of the electrical and computer engineering, presenting all the necessary concepts from the domain of biology that lead to the conception of the BFO algorithm and its following improvements. Subsequently we study and analyze the principles of the BFO , FBSA PSO , CPSO-Sk , CPSO-S CPSO-Ηk , CPSO-Η .We examine the stagnation and pseudominimizers problem and its solution with hybrid methods.In this context the algorithms BFO-C and FBSA-C are presented and examined followed by simulation measurements that prove its advantage in contrast to the original BFO and FBSA algorithms.