Amir Shokri Amirsh.nll@gmail.com Dr. Kourosh Kiani - PowerPoint PPT Presentation

Bacterial Foraging Optimization متیروگلا رد نآ دربراک و هیلقن لیاسو یبایریسم هلئسم رد یریگدای عماج یزاس هنیهب Amir Shokri Amirsh.nll@gmail.com Dr. Kourosh Kiani

همدقم ابریگدای یزاس هنیهب ار نآ ام هک عماج یریگدای یژتارتسا و سیسکاتومک فلتخم هلحرم لوط ی متیروگلا زا یعون هلاقم نیا رد BFO یمدهد یم هئارا ، میمان . ییایرتکاب عماج ییایرتکاب ALCBFO کیفتسا یداهنشیپ متیروگلا زا یرادرب هرهب و فاشتکا نیب یبوخ لداعت ظفح یارب یقیبطت شهاک یطخ ریغ لیدعت لدمدوش یم هدا . مسیناکمدهد یم شهاک ار سردوز ییارگمه نیاربانب و دنک یم ظفح ار اه یرتکاب تیعمج عونت ، عماج یریگدای . 2

همدقم هدش هئارا ، و یلصا هتفای دوبهب ود و ، ، رد کیسلبک متیروگلا اب هسیاقم ACLBFO BFO-NDC) BFO (BFO-LDC BFO PSO GA دهد یم ناشن هتلاح دنچ تلبکشم لح رد رتهب یهجوت لباق درکلمع . یبایزرامینک یم . ار زودنیو نامز اب هیلقن لیاسو یبایریسم هلئسم رد ام شور درکلمع نینچمه VRPTW ACLBFO رگیدیلقن لیاسو یبایریسم هلئسم لح یارب ار نآ لیسناتپ و تسا رترب یداهنشیپ متیروگلا ، نامز اب ه رد متیروگلا هس اب هسیاقم BFO دییأتدنک یم . زودنیو VRPTW 3

راک عورش Swarm کیژولویب متسیس رد یعامتجا یاهراتفر زا یشان کرحم تابساحم زا دیدج یعون ناونع هب ی دنمشوه یزاس هنیهب یاه متیروگلا تسا هدرک بلج دوخ هب ار یرایسب نادنمشناد . و یدنک طسوت هدش داهنشیپ ،تراهرباتسا هدش کیرحت یهام شزومآ ای ناگدنرپ یاه هلگ ماحدزا راتفر اب . ، هنیهب تارذ یزاس PSO AFSA تسا هتفرگ همشچرس یهام مطلبتم راتفر رد . متیروگلا یهام ماحدزایعونصم زا راتفردش هداد هزیگنا اه هچروم یا هفولع . یاهروبنز ینولک متیروگلا یعونصم هنیهب اه هچروم ینولک یزاس زا ABCA ACO تسا هدش هتفرگ ماهلا اهروبنز یعامتجا یصصخت راتفر . اهنیایم هرهب ، دننک یم لماعت دوخ طیحم و رگیدکی اب یلحم دارفا هک یناهج راتفر زا هک دنتسه تیعمج رب ینتبم یاه کینکتدنریگ . 4

Bacterial Foraging Optimization کی یاهیرتکاب یعامتجا هفولع راتفر زا هک تسا یلماکت یزاس هنیهب دیدج شور ییایرتکاب ییایرتکاب یزاس هنیهب متیروگلا E. BFO coli دنک یم دیلقت . زا و ییایرتکاب یرگشاخرپ یاهراتفر عاونا و ، اب یا هفولع یاهراتفر یساسا کیزیف و یسانش تسیز هب هجوت Liu Passino E. coli E. coli دینک هدافتسا ییاذغ یاه همانرب یارجا رگنایب . لرتنک متسیس یگنوگچ دروم رد ، دنا هدرک هدافتساءوس یعامتجا یاهراتفر دنیارفدنکارپ و فذح و لثم دیلوت ، ماحدزا ، یسکاتومک ینعی ، درک میسقت شخب راهچ هب ناوت یم ار اه یرتکاب یزاس هفولعیگ . 5

Bacterial Foraging Optimization 𝐷 𝑗 Δ 𝑗 𝜄 𝑗 𝑘 + 1, 𝑙, 𝑚 = 𝜄 𝑗 𝑘, 𝑙, 𝑚 + \√Δ 𝑈 𝑗 Δ(i) Chemotaxis 𝑂 𝑑 𝐾(𝑗, 𝑘, 𝑙, 𝑚) 𝑗 𝐾 ℎ𝑓𝑏𝑚𝑢ℎ = Σ 𝑘=1 Rep eproduction 6

Adaptive Comprehensive Learning Bacterial Foraging Optimization 𝑜 𝑙 𝐷 𝑘 = 𝐷_ min + exp −𝑏 ∗ ∗ (𝐷_ max −𝐷_ min) 𝑂 𝑠𝑓 Chemotaxis step size 𝑗 + 𝐷 𝑗 Δ i 𝑗 𝑘 + 1, 𝑙, 𝑚 = 𝜄 𝑒 𝑗 𝑘, 𝑙, 𝑚 𝑗 𝑘, 𝑙, 𝑚 ) 𝜄 𝑒 √Δ 𝑈 𝑗 Δ(i) + 𝜇 ∗ 𝑠 1 ∗ 𝑞𝑐𝑓𝑡𝑢 𝑗𝑒 − \tetha 𝑒 + 1 − 𝜇 ∗ 𝑠 2 ∗ (𝑕𝑐𝑓𝑡𝑢 𝑗𝑒 − 𝜄 𝑒 𝑞𝑐𝑓𝑡𝑢 𝑗𝑒 = 𝜄 ∗ 𝑞𝑐𝑓𝑡𝑢 𝑑𝑝𝑛𝑞𝑓𝑠 + 1 − 𝜄 ∗ 𝑞𝑐𝑓𝑡𝑢 𝑗𝑒 𝑞𝑐𝑓𝑡𝑢 𝑗𝑒 = 𝑐 𝑗 ∗ 𝑞𝑐𝑓𝑡𝑢 𝑜 + 1 − 𝑐 𝑗 𝑞𝑐𝑓𝑡𝑢 𝑛 𝑗 = 𝜗 + 0.5 − 𝜗 ∗ 𝑓 𝑢𝑗 −𝑓 𝑢1 𝑞 𝑑 𝑓 𝑢𝑡 −𝑓 𝑢1 𝜇 = 𝑑𝑓𝑗𝑚(𝑠𝑏𝑜𝑒 − 1 + 𝑞 𝑑 ) 𝑢 𝑗 = 5 𝑗 − 1 , 𝑢 1 = 0 𝑏𝑜𝑒 𝑢 𝑇 = 5 𝑇 − 1 Comprehensiv ive Le Learnin ing Mec echanism 7

Description of VRPTW 𝑂 Σ 𝑙=1 𝑂 max{𝑓 ∗ 𝐹𝑈 𝑗 − 𝑢 𝑗 ; 0 ; 𝑔 ∗ 𝑢 𝑗 − 𝑀𝑈 𝑗 } 𝑂 𝐿 min 𝑨 = Σ 𝑗=0 Σ 𝑘=0 𝐷 ∗ 𝑦 𝑗𝑘𝑙 + Σ 𝑗=1 𝑢 𝑗𝑘 = Σ𝑦 𝑗𝑘𝑙 𝑢 𝑗 + 𝑒 𝑗𝑘 𝑥ℎ𝑓𝑠𝑓 ∶ 𝑤 + 𝑡 𝑗 (𝑢 0 = 0, 𝑡 0 = 0) 𝑂 Σ 𝑙=1 𝑂 𝐿 𝐿 Σ 𝑘=1 Σ 𝑙=1 𝑦 𝑘𝑗𝑙 = Σ 𝑘=1 = 𝑙 (𝑗 = 0) 𝑂 Σ 𝑙=1 𝐿 Σ 𝑘=0 𝑦 𝑗𝑘𝑙 = 1 (𝑗 ∈ 𝑂) 𝑂 Σ 𝑙=1 𝑙 Σ 𝑗=0 𝑦 𝑗𝑘𝑙 = 1 (𝑗 ∈ 𝑂) 𝑂 𝑦 𝑗𝑘𝑙 = Σ 𝑘=1 𝑂 𝑦 𝑘𝑗𝑙 = 1 Σ 𝑘=1 (𝑗 = 0, 𝑙 ∈ 𝐿) 𝑂 Σ 𝑘=0 𝑂 𝑦 𝑗𝑘𝑙 ∗ 𝑕 𝑗 ≤ 𝑟 Σ 𝑗=0 8

Adaptive Comprehensive Learning دک هبش Begin 1: Initialize all the parameters and positions: S , c N , s N , re N , ed N , ed P ,C , c p , etc. 2: While (Terminate-condition is not met) 3: Evaluate fitness values of the initial population. 4: Figure out the gbest and the pbest of each bacterium 5: For (Elimination-dispersal loop) 6: For (Reproduction loop) 7: For (Chemotaxis loop) 8: Update the chemotaxis step size using Equation 3 9: Compute fitness function 10: Update the position using Equation 4 11: Boundary control(bacteria are not allowed to go out of bounds) 9

Adaptive Comprehensive Learning دک هبش 12: Tumbleing, Swimming for s N steps 13: Update the gbest and the pbest 14: End For (Chemotaxis loop) 15: Compute the health values of each bacterium using Equation 2 16: Sort bacteria based on health values 17: Copy the best bacteria using health sorting approach 18: End For (Reproduction loop) 19: Eliminate and disperse each bacterium with probability ed P 20: End For (Elimination-dispersal loop) 21: End While 22. End 10

نومزآ عباوت یاهرتماراپ Functioni=1 Mathematical Representation X* F(X*) R 𝑜 𝑦 𝑗 2 Sphere [0, 0, … , 0] 0 [-100, 100]^n 𝑔 1 𝑦 = Σ 𝑗=1 2 2 + (1 − 𝑦 𝑗 𝑜 100 ∗ 𝑦 𝑗+1 − 𝑦 𝑗 Rosenbrock [0, 0, … , 0] 0 [-100. 100]^n 2 ) 𝑔 2 𝑦 = Σ 𝑗=1 𝑜 𝑦 𝑗 2 − 10 cos 2𝜌𝑦 𝑗 + 10 Rastrigin 𝑔 3 𝑦 = Σ 𝑗=1 [0, 0, … , 0] 0 [5.12, 5.12]^n 𝑜 Griewank [0, 0, … , 0] 0 [-600, 600]^n 1 𝑦 𝑗 𝑜 𝑦 𝑗 2 − ෑ 𝑔 4 𝑦 = 4000 Σ 𝑗=1 cos + 1 𝑗 𝑗=1 𝑜 (Σ 𝑙=0 𝑙 max 𝑏 𝑙 cos 2𝜌𝑐 𝑙 𝑦 𝑗 + 0.5 𝑔 5 𝑦 = Σ 𝑗=1 ) 𝑙 max 𝑏 𝑙 cos 2\pib 𝑙 . 0.5 Weierstrass [0, 0, … , 0] 0 [-0.5, 0.5]^n −𝐸Σ 𝑙=0 𝑏 = 0.5, 𝑐 = 3, 𝑙_ max = 20 1 Ackley [0, 0, … , 0] 0 [-32, 32]^n 𝐸 − exp 𝐸 Σ 𝑗=1 cos 2𝜌𝑦 𝑗 + 20 + 𝑓 11

عبانم • [1] J. Kennedy, R.C. Eberhart, Swarm intelligence, Morgan Kaufmann Publisher, San Francisco, 2001. [2] X.L. Li, Z. J. Shao, J.X. Qian, An optimizing method based on autonomous animats: fishswarm algorithm, Syst. Eng., Theory Prac. 22 (2002) 32 – 38. • [3] E. Bonabeau, M. Dorigo, G. Theraulaz, Swarm intelligence: from natural to artificial system, Oxford University Press, New York, 1999. • [4] D. Karaboga, B. Akay, A comparative study of artificial bee colony algorithm, Appl. Math.Comput. 214 (2009) 108 – 132. • [5] K.M. Passino, Biomimicry of bacterial foraging for distributed optimization and control, IEEE Control Syst. Mag. (2002) 52 – 67. • [6] B.K. Panigrahi, V.R. Pandi, Bacterial foraging optimization: Nelder-Mead hybrid algorithm for economic load dispatch, IET Gener. Transm. Dis. 2(4) (2008) • 556 – 565. [7] P.K. Hota, A.K. Barisal, R. Chakrabarti, Economic emission load dispatch through fuzzy based bacterial foraging algorithm, Int. J. Elec. Power & energy • Systems. 32(7) (2010) 794 – 803. [8] P.G. Kou, J.Z. Zhou, Y.Y. He, X.Q. Xiang, C.S. Li, Optimal PID governor tuning of hydraulic turbine generators with bacterial foraging particle swarm • optimization algorithm, Proceedings of the Chinese Society of Electrical Engineering 29(26) [9] E.S Ali, S.M. Abd-Elazim, Bacteria foraging optimization algorithm based load frequency controller for interconnected power system, Int. J. Elec. Power. • 33(3) (2011) 633 – 638. [10] B. Niu, Y. Fan, H. Xiao, B. Xue, Bacterial foraging based approaches to portfolio optimization with liquidity risk, Neurocomputing. 98 (2012) 90 – 100. • 12