الگوریتم خفاش (توضیح و پیاده سازی)

الگوریتم خفاش (توضیح و پیاده سازی)

الگوریتم بهینه س ازی خفاش Bat Algorithm پیاده سازی در متلب (MATLAB) به همراه توضیح کامل فارسی خود الگوریتم و پارامترهای استفاده شده برای الگوریتم در نرم افزار وورد (Word) به همراه مقاله اصلی این الگوریتم.  . ...

فرمت فایل : متلب همراه با مستندات با فرمت word و pdf

مقدمه

الگوریتم­های مبتنی بر هوش جمعی، قوی­ترین روش­های بهینه­سازی هستند که از رفتارهای گروهی در طبیعت نشاءت می­گیرند. الگوریتم خفاش یکی از مهم­ترین الگوریتم­های فراشناختی است که بر اساس رفتار جمعی خفاش­ها در محیط طبیعی عمل می­کند. درواقع، مبنای این الگوریتم، استفاده از خاصیت انعکاس صدا توسط خفاش­ها است؛ خفاش­ها محل دقیق طعمه خود را با ارسال امواج صوتی و دریافت بازتاب آن، کشف می­کنند. زمانی که امواج صوتی به سمت خفاش فرستنده برمی­گردد، او می­تواند یک تصویر صوتی از موانع موجود در محیط اطراف خود را رسم کند تا محیط را حتی در تاریکی مطلق نیز به خوبی ببیند. با کمک این روش، خفاش­ها می­توانند اجسام متحرک (حشرات) و ساکن (درختان) را متمایز کنند.

در حالت کلی، دو نوع خفاش در طبیعت وجود دارد: خفاش­های بزرگ و خفاش­های کوچک. الگوریتم خفاش بر اساس ویژگی پژواک­یابی خفاش­های کوچک (به­منظور پرواز در شب و شکار) عمل می­کند. درواقع، پژواک­یابی خفاش­های کوچک یک سامانه ادراکی است که در آن، موج­های فراصوتی برای تولید پژواک استفاده می­شوند. دستگاه عصبی خفاش­های کوچک با مقایسه موج­های ارسالی و موج­های بازتاب­شده می­تواند تصویری از محیط پیرامون خود را بسازد. این توانایی به خفاش­های کوچک کمک می­کند تا در تاریکی مطلق نیز طعمه را شناسایی کنند. بااین حال، خفاش­های کوچک برای شناسایی داده­ها باید بتوانند موج­های ارسالی خود را از پژواک آن جدا کنند. برای این منظور، خفاش­ها از دو روش زیر بهره می­برند: