پروژه الگوریتم مصنوعی ماهی ها AFSA با متلب

پروژه الگوریتم مصنوعی ماهی ها AFSA با متلب

در این پست پروژه الگوریتم مصنوعی ماهی ها AFSA با متلب را آماده کرده ایم که در ادامه می توانید توضیحات بیشتر را مطالعه و فیلم و تصویر خروجی را مشاهده نمائید.

الگوریتم مصنوعی ماهی ها یکی از الگوریتم های هوش جمعی می باشد که از رفتار های اجتماعی دست ماهی ها در طبیعت الهام گرفته اشت. الگوریتم AFSA یک تکنیک مبتنی بر رفتارهای جمعی می باشد که دارای ویژگی های انعطاف پذیری و تحمل پذیری خطای بالا، غیرحساس بودن به مقادیر اولیه، سرعت همگرایی بالا است.

الگوریتم مصنوعی ماهی ها در کاربرد های بهینه سازی مانند یادگیری شبکه های عصبی پیشرو ، بهینه سازی ترکیبی تخمین پارامترها استفاده می شود. همچنین در الگوریتم AFSA تعیین مقدار اولیه و استاندارد تأثیر بسیاری در کیفیت نتیجه نهایی خواهد داشت. مقدار این دو پارامتر تا انتهای اجرای الگوریتم ثابت بوده و برابر با همان مقدار اولیه آنها باقی می ماند.

توضیحات بیشتر و فیلم و تصویر خروجی پروژه الگوریتم مصنوعی ماهی ها در ادامه مطلب.

اگر مقدار اولیه این دو پارامتر را بزرگ در نظر بگیریم دسته ماهی های مصنوعی می توانند با سرعت بیشتری به سمت بهینه سراسری حرکت کنند و توانایی بیشتری برای عبور از بهینه های محلی خواهند داشت و در صورتی که مقدار این دو پارامتر را کوچک در نظر بگیریم الگوریتم می تواند با دقت بیشتری جستجوی محلی را انجام دهد. بنابراین با تعیین مناسب مقدار اولیه این پارامترها، الگوریتم می تواند یکی از جستجوهای محلی و یا جستجوی سراسری را به طور مطلوب انجام دهد ولی نمی تواند هر دوی آنها را در یک اجرا به خوبی انجام دهد.

در الگوریتم مصنوعی ماهی ها پارامتر مسافتی به نام های میدان دید و طول گام وجود دارد. ماهی های مصنوعی در فضای میدان دید خود به جستجوی فضای مسئله می پردازند و به اندازه درصدی تصادفی از طول گام به سمت هدف خود در هر تکرار حرکت می کنند.

تصویر خروجی 1:

تصویر خروجی 2: