تعداد علف های اولیه

بیشینه تعداد تکرار الگوریتم

بیشینه تعداد علف ها

بیشینه تعداد دانه های تولید شده در کنار هر علف

کمینه تعداد دانه های تولید شده در کنار هر علف

انحراف معیار نهایی برای فرایند تولید مثل

انحراف معیار اولیه برای فرایند تولید مثل

POW

ضریب غیر خطی

نحوۀ محاسبه دانه های تولیدی و به روزرسانی انحراف معیار
(۳-۲)
(۳-۳)
شکل ‏۳‑۵. فلوچارت الگوریتم علف های هرز
الگوریتم بهینه سازی توده ذرّات (PSO)
مقدمه
در بیشتر گونه های جانوران رفتارهای گروهی دیده می شود. چه بسا که بعضی از این گونه ها نیز توسط یک گروه برتر هدایت و راهنمایی می شوند. به عنوان مثال در شیرها ، میمون ها و گوزن ها این امر کاملاً مشاهده می شود. مطلب جالب تری که وجود دارد این است که گونه هایی از جانوران وجود دارند که به صورت گروهی زندگی می کنند اما راهنمایی ندارند. هر عضو یک رفتار خودسازمانده دارد که بدون استفاده از یک راهنما می تواند در محیط حرکت نموده و نیازهای طبیعی خود را برطرف نماید. مانند گروه پرندگان ، ماهی ها و گلۀ گوسفندان. این گونه از جانوران هیچ دانشی نسبت به محیطی که در آن قرار دارند، ندارند. در عوض قادرند با ردوبدل نمودن اطلاعات با اعضای همجوار خود در محیط حرکت نمایند. این تعامل ساده بین ذرّات باعث ایجاد رفتار پیچیده تر گروه می شود. مانند جستجوی یک محیط توسط ذرّات. تحقیقات زیادی بر روی رفتار های اجتماعی ذرّات انجام شده است که در ادامه به چند نمونه از انها می پردازیم.
رفتار پرندگان
رفتار گروه ماهی ها
شکار کردن وال ها
جهت فهم بهتر رفتار پویای گروه ذرّات، در بعضی از رفتارها شبیه سازی شدند و رفتار آنها به دسته های زیر تقسیم شده است:
۱- اجتناب از برخورد: اعضای یک گروه با یکدیگر برخوردی ندارند
۲- تنظیم سرعت: هر عضو سرعت خود را متناسب با اعضای همسایۀ خود تنظیم می کند.
۳- جمع شدن مرکز: هر عضو تلاش می کند که در کنار همسایگان خود حرکت نماید.
در بسیاری از کاربرد های بهینه سازی از این شبیه سازی ها الهام گرفته شده است. در ادامه به مدل خاصی از بهینه سازی ها که از زندگی جانوران انبوه الهام گرفته شده است پرداخته می شود که بهینه سازی ازدحام ذرّات یا PSO نام دارد. برای اجرای موفق PSO، یکی از اعمال کلیدی، یافتن چگونگی طرح حل مسأله ، درون ذرّات PSO است، که به طور صحیح کارایی و امکان اجرای آن را تحت تأثیر قرار دهد.
تاریخچۀ بهینه سازی توده ذرّات
روش بهینه سازی ازدحام ذرّات در سال ۱۹۹۵ توسط جیمز کندی و راسل ابرهارت معرفی گردید. آنها در ابتدا قصد داشتند که با بهره گیری از مدل های اجتماعی و روابط موجود اجتماعی، نوعی از هوش محاسباتی را بوجود بیاورند که به توانایی فردی ویژه نیازی نداشته باشد. کار آنان منجر به ایجاد الگوریتم قوی برای بهینه سازی، به نام الگوریتم بهینه سازی ازدحام ذرّات شد. این روش از عملکرد دسته جمعی گروه های حیوانات مانند پرندگان و ماهی ها، اقتباس شده است. در الگوریتم ازدحام ذرّات تعدادی از موجودات وجود دارند، که آنها را ذرّه معرفی می کنیم و درفضای جستجو پخش شده اند. هر ذرّه مقدار تابع هدف را در موقعیتی از فضا که در آن قرار گرفته است، محاسبه می کند. پس با بهره گرفتن از ترکیب اطلاعات محل فعلی اش و بهترین محلی که قبلاً در آن بوده است و همچنین اطلاعات یک یا چند ذرّه از بهترین ذرّات موجود در جمع جهتی را برای حرکت انتخاب می کند. پس از انجام حرکت جمعی، یک مرحله از الگوریتم به پایان می رسد. این مراحل چندین بار تکرار می شوند تا آنکه جواب مورد نظر بدست بیاید. علی رغم سادگی زیاد این الگوریتم، دارای قدرت زیادی را برای بهینه سازی می باشد. بطور کلی PSO جزو الگوریتم تکاملی می‌باشد زیرا یک مکانیزم بهبود یابنده می باشد که در حال تکرار است. ولی اصلی ترین طبقه بندی از PSO، در هوش ازدحامی جای می گیرد.