جستجوی هارمونی ترکیبی و الگوریتم کلونی زنبور مصنوعی برای مسایل بهینه‌سازی سراسری ​

جستجوی هارمونی (HS)یکی از جدیدترین و ساده‌ترین روش برای کده‌ای ابتکاری الهام‌گرفته از موسیقی برای مسایل بهینه‌سازی است. به منظور افزایش دقت و سرعت هم‌گرایی جستجوی هارمونی، یک جستجوی هارمونی ترکیبی با استفاده از الگوریتم کلونی زنبور مصنوعی (ABC)پیشنهاد می‌شود. الگوریتم کلونی زنبور مصنوعی یک روش هوش جمعی جدید است که از رفتار جستجوی هوشمند زنبوره‌ای عسل الهام‌گرفته است. ABC و انواع آن برای بهبود حافظه هارمونی استفاده می‌شوند (HM HM). برای مقایسه و تحلیل عملکرد الگوریتم های ترکیبی پیشنهادی ما، تعدادی آزمایش بر روی مجموعه‌ای از مسایل بهینه‌سازی کلی معیار شناخته‌شده انجام می‌شوند. اثرات پارامترها در مورد الگوریتم های ترکیبی با یک آزمایش طراحی یکنواخت مورد بحث قرار می‌گیرند. نتایج عددی نشان می‌دهد که الگوریتم های پیشنهادی در مقایسه با HS و سایر الگوریتم‌های ابتکاری، جواب‌های بهتری پیدا می‌کند و الگوریتم‌های جستجوی قوی برای مسایل مختلف بهینه‌سازی کلی هستند.

Harmony search (HS) is one of the newest and the easiest to code music inspired heuristics for optimization problems. In order to enhance the accuracy and convergence rate of harmony search, a hybrid harmony search is proposed by incorporating the artificial bee colony algorithm (ABC). The artificial bee colony algorithm is a new swarm intelligence technique inspired by intelligent foraging behavior of honey bees. The ABC and its variants are used to improve harmony memory (HM). To compare and analyze the performance of our proposed hybrid algorithms, a number of experiments are carried out on a set of well-known benchmark global optimization problems. The effects of the parameters about the hybrid algorithms are discussed by a uniform design experiment. Numerical results show that the proposed algorithms can find better solutions when compared to HS and other heuristic algorithms and are powerful search algorithms for various global optimization problems.