مروری بر انواع الگوریتم‌های فراکاوشی در بهینه‌سازی

نویسندگان

1 دانشگاه سمنان

2 دانشگاه سمنان

doi
10.22075/jme.2017.1677
چکیده

با پیچیده‌تر شدن مسائل بهینه‌سازی و عدم کارایی مطلوب روش‌های تحلیلی سنتی، نیاز به ابزارهای قویتر برای حل این مسائل احساس شد. علاوه‌بر مشکلاتی همچون نیاز به تضمین‌هایی در خصوص مشتق‌پذیری و پیوستگی، امکان همگرایی به بهینۀ محلی، زمان حلِ این روش‌ها در بسیاری از مسائل به صورت نمایی رشد می‌کند. در پاسخ به این نیاز، الگوریتم‌های حل فراکاوشی ظهور پیدا کردند. این روش‌ها هیچگونه نیازی به اطلاعات مشتق مساله ندارند، با عملگرهای خاص خود قادر به فرار از بهینۀ محلی و کشف بهینۀ کلی هستند و زمان محاسبات مورد نیاز در آن‌ها با افزایش ابعاد مساله به صورت خطی یا چندجمله‌ای افزایش می‌یابد. با این‌حال به‌دلیل پراکندگی این روش‌ها در تحقیقات مختلف و عدم سازمان‌دهی کامل آن‌ها، محققان شناخت مناسبی از طیف گستردۀ این الگوریتم‌ها، سازوکار و ویژگی‌های این الگوریتم‌ها ندارند. در این مقاله سعی شده است شماری از مهم‌ترین و کاربردی‌ترین این الگوریتم‌ها (40 الگوریتم فراکاوشی مختلف) معرفی گردد، ویژگی‌های اصلی این الگوریتم‌ها همچون سازوکار جستجوی فضای مسالۀ بهینه‌سازی، عملگرهای اساسی و منبع الهام هریک شرح داده شود. همچنین به‌صورت فشرده، بعضی وجوه تمایز این الگوریتم‌ها مانند قابلیت جستجوی محلی و کلی، تعریف حافظه و تنظیم پارامترها بحث شده است.