به منظور ارتقاء نرخ همگرایی، در الگوریتم بنیانی ABC اختلال خودتطبیق جدیدی معرفی شده است. در بررسی کیفیت کار ABC خودتطبیق از تعداد 23 عملکردمعیار^[1] استفاده شده است. نتایج آزمایشی نشان می دهند که رویکرد ما مؤثر و کارآمد است. در مقایسه با سایر الگوریتم ها، عملکرد ABC خودتطبیق بهتر از الگوریتم ABC بنیانی و سایر رویکردهای نوآورانه در ادبیات، ویا حداقل قابل مقایسه با آنها، از لحاظ کیفیت راه حل، است. 

کلمات کلیدی: کلونی زنبور عسل مصنوعی، خودتطبیق، بهینه سازی عددی جهانی، بهره برداری.

1. مقدمه

مسائل بهینه سازی نقش مهمی را در حوزه های کاربردی صنعتی و در دنیای تحقیقات علمی بازی می کنند. در طی دهۀ گذشته انواع مختلفی از الگوریتم های فرا-مکاشفه ای^[2] را دیده ایم که برای حل مسائل بهینه سازی اقدام کرده اند. 

در میان آنها، روشهای مبتنی بر فرا-مکاشفه، مانند تابکاری شبیه سازی شده (SA)^[3]، الگوریتم ژنتیک (GA)، الگوریتم بهینه سازی ازدحام ذرات^[4](PSO)، کلونی زنبور عسل مصنوعی (ABC)، و تکامل تفاضلی^[5] [4-1]، را می توان از جمله رایج ترین روشها به حساب آورد.  

خصوصاً اینکه الگوریتم کلونی زنبور عسل مصنوعی [5] یک الگوریتم مکاشفه ای تکاملی مبتنی بر جمعیت، ملهم از رفتار جستجوگری هوشمندانۀ فوج زنبوران عسل، است. اکی و کارابوگا [6] نسخه ای اصلاح شده از کلونی زنبورعسل مصنوعی پیشنهاد کردند.

کلونی زنبورعسل مصنوعی اصلاح شده برای حل اثربخش مسئلۀ بهینه سازی پارامتر حقیقی به کار برده شد. 

در الگوریتم ABC اصلاح شده از پارامتر کنترلی استفاده شده است که تعیین می کند چه تعداد پارامتر باید اصلاح شوند تا بتوان یک راه حل نزدیک به دست آورد.

عامل مقیاس بندی که اندازۀ مرحله را بطور تطبیقی تنظیم می کند، معرفی شد. 

اما این حوزۀ تحقیق هنوز در آغاز راه است، و به منظور تولید نسخۀ جدید الگوریتم ABC برایمسائلبهینه سازی، لازم است که در آینده تحقیقات بسیاری انجام شود.

به علت اینکه ABC موردی خاص از EA است، بررسی چگونگی اعمال خودتطبیقی به آن جالب توجه است. از گزارشات موجود چنین برمی آید که تا کنون هیچ مقاله ای بر موضوع خودتطبیقی در ABC تمرکز نکرده است. در مقالۀ حاضر، تکنیک کنترل پارامتر مبتنی بر خودتطبیقی دامنه های اختلال توأم با فرایند تکاملی، ارائه شده است. هدف اصلی در اینجا تولید ABC انعطاف پذیر، از لحاظ پارامتر کنترل، است. ما ABC خودتطبیقی را پیشنهاد می کنیم که گونۀ^[6] پارامتر کنترل بر طبق تکرار^[7] تغییر می کند. پایین بودن مقدار پارامتر کنترل این امکان را فراهم می کند که جستجوی بهینه در گام کوتاه انجام شود. اما در این صورت همگرایی آهسته تر می شود. بالا بودن مقدار پارامتر کنترل سرعت جست وجو را بالا می برد، اما عملکرد بهره برداری در فرایند اختلال را کاهش می دهد. بنابراین، ما از این روش استفاده می کنیم که می تواند بین کاوش ABC و بهره برداری از آن تعادل برقرار کند.    

2. ABC خودتطبیق

کلونی زنبور عسل مصنوعی الگوریتمی تکاملی است که اولین بار توسط کارابوگا در سال 2005 معرفی شد. این الگوریتم رفتار جست وجوگری کلونی زنبورعسل را شبیه سازی می کند. در این الگوریتم، مدل الگوریتم ABC از سه گروه زنبور تشکیل می شود: زنبورهای کارگر، زنبورهای ناظر، و زنبورهای دیده بان. برای هر منبع غذایی فقط یک زنبور کارگر وجود دارد. به عبارت دیگر، تعداد زنبورها با تعداد منابع غذا برابر است. زنبورهای کارگر مسئول بهره برداری از منابع شهدی هستند که قبلاً یافته شده اند، و در کندو اطلاعات خود را با زنبورهای ناظر به اشتراک می گذارند. سپس ناظران یکی از منابع غذایی موجود در نزدیکی منبع غذا را انتخاب خواهند کرد. اگر منبع غذا متروک شود، زنبور کارگر به زنبور دیده بان تبدیل می شود، و سپس بطور تصادفی به جست وجوی منبع غذایی جدید می پردازد [4].