بهبود همگرایی الگوریتم ACO چند هدفه با استفاده از شبکه های عصبی

امروزه بسیاری از مسائل بهینه سازی ترکیبی که اغلب از جمله مسائل با درجه غیر چند جمله ای هستند، به صورت تقریب با کامپیوترهای موجود قابل حل می باشند. از جمله راه حل های موجود در برخورد با این گونه مسائل، استفاده از الگوریتم های تقریبی یا ابتکاری است. این الگوریتم ها تضمینی نمی دهند که جواب به دست آمده بهینه باشد و تنها با صرف زمان بسیار می توان جواب نسبتا دقیقی ب دست آورد ودر حقیقت بسته به زمان صرف شده، دقت جواب تغییر می کند. حال آنکه، مسئله بهینه سازی گسسته یک کلاس معمولی از مسائل بهینه سازی است. هدف از بهینه سازی یافتن بهترین جواب قابل قبول، با توجه به محدودیت ها و نیازهای مسئله است. برای یک مسئله، ممکن است جواب های مختلفی موجود باشد که برای مقایسه آن ها و انتخاب جواب بهینه، تابعی به نام تابع هدف تعریف می شود. با توجه به فضای جستجوی پیچیده فضای هدف با ابعاد بالا و ویژگی غیر قابل پیش بینی، تعمیم الگوریتم را محدود می کند، بنابرین برای ACO چند هدفه، روش های ساخت و انتخاب راه حل تطبیقی و انعطاف پذیر مورد نیاز است که در روش پیشنهادی به بهبود همگرایی الگوریتم ACO چند هدفه با استفاده از شبکه های عصبی پرداخته می شود. نتایج روش پیشنهادی نشان می دهد که این روش دارای عملکرد بسیار مناسبی نسبت به دیگر روش ها و دارای همگرایی مناسب تری است.