ترکیب الگوریتم های ژنتیک و بهینه سازی لانه مورچگان برای حل مساله انتخاب عرضه کننده

الگوریتم ژنتیک در سال ۱۹۸۰ بر اساس نظریه تکاملی داروین برای حل مسائل بهینه سازی ابداع شد. در واقع الگوریتم ژنتیک بر اساس اصل " ادامه حیات بهترین ها " و " تکثیر نوع برتر" پی ریزی شده است. عملگرهای اصلی الگوریتم ژنتیک شامل: کدگذاری، انتخاب، عملگر ادغام و عملگر جهش است. عملکرد الگوریتم ژنتیک در چند تکرار اول بسیار خوب است اما با ادامه روند و افزایش تعداد تکرارها با انبوهی از جواب ها و نتایج زائد رو به رو می شویم که باعث افزایش تعداد تکرارها تا رسیدن به جواب بهینه می شود. روش بهینه سازی کلونی مورچگان بر گرفته از حرکت واقعی مورچگان در طبیعت برای یافتن غذا است که در پایان نامه دکترای مارکو دوریگو در سال ۱۹۹۲ تحت عنوان سیستم مورچگان برای اولین بار معرفی شد. الگوریتم معرفی شده توسط دوریگو بر اساس دو اصل پایه ای ۱- تزریق و تبخیر فرومون ۲- گرایش احتمالی مورچگان به مسیر پر فرومون بنا شده است. الگوریتم بهینه سازی لانه مورچگان به علت عدم وجود فرومون در تکرارهای ابتدایی دارای یک سرعت همگرایی کند است. اما با ادامه روند جستجو و افزایش میزان غلظت فرومون ریخته شده عملکرد بسیار خوبی در مراحل پایانی دارد. الگوریتم ترکیبی با ترکیب دو الگوریتم ژنتیک و بهینه سازی کلونی مورچگان، از مزایای هر دو الگوریتم استفاده می کند. در الگوریتم ترکیبی ابتدا از چند تکرار الگوریتم ژنتیک استفاده می کنیم سپس کروموزوم به دست آمده از الگوریتم ژنتیک را به عنوان جواب ابتدایی الگوریتم مورچگان در نظر می گیریم و تکرارهای بعدی تا رسیدن به جواب بهینه را با الگوریتم مورچگان ادامه می دهیم. الگوریتم ترکیبی از نظر سرعت همگرایی و کارآیی، بهتر از الگوریتم های ژنتیک و بهینه سازی لانه مورچگان عمل می کند.

کلیدواژه ها:

مساله انتخاب تامین کننده ، مدیریت زنجیره تامین ، الگوریتم تکاملی ، الگوریتم فرا ابتکاری ، الگوریتم ژنتیک ، الگوریتم بهینه سازی لانه مورچگان ، الگوریتم ترکیبی