اگه اهل دنیای هوش مصنوعی و الگوریتمهای بهینهسازی باشی، احتمالاً اسم Chimp Optimization Algorithm یا همون ChOA رو شنیدی. اگه نه، نگران نباش! قراره باهم بفهمیم این چیه و چرا نسخه جدیدش یعنی SEB-ChOA حسابی سروصدا کرده.
خب اول از همه، ChOA یه الگوریتم الهامگرفته از طبیعته که سعی میکنه رفتارهای شکار شامپانزهها رو توی حل کردن مسائل بهینهسازی شبیهسازی کنه. مثلاً شامپانزهها موقع شکار چندتا کار اصلی انجام میدن: دنبال کردن طعمه، بلوکه کردن راهش، شکار کردن و در نهایت حمله نهایی. الگوریتم ChOA هم بر همین اساس ساخته شده: هر گام الگوریتم مثل یکی از این رفتارهای شامپانزه است.
ولی خود نسخه اولیه ChOA یه مشکل داشت. شبیهسازی رفتار شامپانزهها توش خیلی ساده انجام شده بود و همین باعث میشد سرعتش کم باشه و گاهی هم یه جا گیر کنه و دیگه پیشرفت نکنه (بهش میگن premature convergence یعنی زود به جواب نصفه و نیمه راضی بشه و نتونه بهتر بره جلو).
حالا توی این مقاله، نویسندهها اومدن گفتن خب بیا برای بهتر شدن کار، از یه مدل جدید استفاده کنیم: شش تا “تابع اسپیرال” معرفی کردن (اسپیرال یعنی حرکت مارپیچی) و دو تا ترکیب خلاقانه هم ساختن که بهشون میگن SEB-ChOA. این مدل باعث میشه الگوریتم بهتر بتونه اطراف جوابای خوب بچرخه، جاهای بهتری رو توی فضای جواب امتحان کنه و خلاصه از اون معضل گیرکردن دربیاد.
حالا این الگوریتم بهبودیافته رو کجاها تست کردن؟ توی ۲۳ تست استاندارد رایج، ۲۰ تا از تستهای معروف IEEE CEC-2005، ۱۰ تا از تستهای CEC06-2019 و حتی ۱۲ تا مسئله مهندسی دنیای واقعی که محدودیت هم دارن (یعنی فقط تئوری نبود، با مسائلی که توی صنعت استفاده میشن هم تست شد). تستها مال یکی از معروفترین سری رقابتهای مهندسی یعنی IEEE CEC بودن.
واسه اینکه بفهمن واقعا SEB-ChOA بهتره، اومدن این الگوریتم رو با سه دسته از الگوریتمهای معروف مقایسه کردن:
-
دسته اول: الگوریتمهای کلاسیک مثل PSO (Particle Swarm Optimization – یعنی بهینهسازی به کمک حرکت گروهی ذرات، شبیه رفتار دسته پرندهها) و GA (Genetic Algorithm – شبیه سازی تکامل و ژنتیک).
-
دسته دوم: الگوریتمهای جدیدتر مثل SMA (Slime Mould Algorithm – الهام گرفته از کپک مخاطدار)، MPA (Marine Predators Algorithm – الگوریتم شکارچیان دریایی)، ALO (Ant Lion Optimization – بهینهسازی به سبک مورچه شیر)، HGSO (Henry Gas Solubility Optimization – الگوریتمی براساس حلالیت گازها که یکم تخصصیه!).
-
دسته سوم: برندههای مسابقات مثل jDE100 و DISHchain1e+12 (این دوتا از برترینها توی مسابقات CEC06-2019 بودن و کلی قوی هستن).
بعلاوه با دو تا الگوریتم مرجع قویتر (EBOwithCMAR و CIPDE) هم مقایسه انجام دادن تا مطمئن شن SEB-ChOA باز هم حرف برای گفتن داره.
نتیجه چی شد؟ SEB-ChOA تقریباً توی همه تستها جزو بهترینها شد و توی خیلیهاش صدرنشین بود! حتی وقتی کنار jDE100 و DISHchain1e+12 هم قرار گرفت، رقابت تنگاتنگ بود. آمارها نشون دادن SEB-ChOA میتونه PSO، GA، SMA، MPA، ALO و HGSO رو شکست بده و عملکردش با برترینهای دنیا شونهبهشونه است.
پس اگه دنبال یه الگوریتم هوشمند بهینهسازی میگردی که هم جدید باشه، هم قوی، و هم از طبیعت شامپانزهها الهام گرفته باشه، SEB-ChOA رو از دست نده! برای حل مسائل پیچیده مهندسی و علمی واقعاً گزینه دوستداشتنیایه.
منبع: +
