Invasive Weed Optimization algorithm

(IWO)

الگوریتم بهینه سازی علف هرز مهاجم

2 از 1 صفحه

های ساخت های هرز تقریبا در همه مزارع و باغعلف

شوند و مستقل از این که ما چه میزان دست بشر دیده می

ا ایم، تقریببرای ریشه کن شدن آنها تلاش کردهو چگونه

های مطالعه رفتار این گونهاند. ها برنده بودههمیشه آن

گیاهی و درس گرفتن از شیوه تکثیر، بقا و تطبیق پذیری

تواند برای انسان آموزنده باشد.آنها، قطعا می

Invasiveسازی علف هرز مهاجم )الگوریتم بهینه

Weed Optimization( یا به اختصار )IWO یک ،)

هام از لسازی هوشمند و تکاملی است، که با االگوریتم بهینه

روند تکثیر، بقا و تطبیق پذیری علفهای هرز، ایجاد و ابداع

آقای این الگوریتم توسط 2002شده است. در سال

کارو لوکاس »و مرحوم پروفسور « محمدرضا محرابیان»

یک »عنوان ای با ابداع گردید که در مقاله« کاسیانقو

الگوریتم بهینه سازی عددی الهام گرفته شده از مهاجرت

معرفی شد.« 1علف هرز

بهینگی و ای است که در جستجویپدیده علف هرز

بوده و به سرعت خود را بهترین محیط برای زندگی یافتن

-با شرایط محیطی وفق داده و در مقابل تغییرات مقاوم می

باشد. در ابتدا علف هرز به دنبال تولید تعداد زیاد فرزندان

محیط پوشش همچنین بوده که موجب افزایش کمیت و

)رفتار جستجوگر(، سپس به دلیل دشودر دسترس خود می

محدودیت ظرفیت، با افزایش کیفیت به رشد به صورت

)رفتار حریصانه(. به طور کلی هدف دهدرقابتی ادامه می

اشد.بمی« یافتن بهترین محیط برای زندگی»علفهای هرز

1 A novel numerical optimization algorithm inspired from weed colonization,

AR Mehrabian, C Lucas - Ecological informatics, 2006 - Elsevier

علف هرز مهاجم رشد توصیف فرآیند

ها( جمعیت اولیه )تعداد مشخصی از دانهدر مرحله اول

های پراکنده شوند. در مرحله دوم دانهتولید و پراکنده می

شده پس از رشد و تبدیل شدن به گیاه بر حسب برازندگی

له کنند. در مرحهایی را تولید میو شایستگی، خودشان دانه

د خود پراکنده شده و رشد لهای فرزند در حوالی واسوم دانه

نند. در نهایت، مراحل دوم و سوم تا جایی که جمعیت کمی

بیشتر نشود تکرار )محدوده در دسترس( از حد مشخصی

گیاهان شود، در غیر این صورت از بین گیاهان موجود می

.درونباقی مانده و مابقی از بین میبهتر با شایستگی

سازی علف هرز مهاجمالگوریتم بهینه

ولیهتولید جمعیتی از پاسخهای ا -1

1مطابق شکل بر اساس میزان برازندگی دانه تکثیر -2

تعداد دانه

تکثیر دانه بر اساس میزان برازندگی: 1شکل

راساس بنحوه محاسبه تعداد دانه قابل تولید توسط یک گیاه

:باشدشایستگی گیاه، مطابق فرمول زیر می

𝑠 = ⌊𝑆𝑚𝑖𝑛 + (𝑆𝑚𝑎𝑥 − 𝑆𝑚𝑖𝑛) ×𝑓 − 𝑓𝑊𝑜𝑟𝑠𝑡

𝑓𝐵𝑒𝑠𝑡 − 𝑓𝑊𝑜𝑟𝑠𝑡⌋

2 از 2 صفحه

با توزیع نرمال والدحول گیاه فرزند درهای دانه -3

𝛥𝑥𝑖د.نگردپراکنده می ∼ ℕ(0 , 𝜎𝑡2)

انحراف استاندارد در این توزیع در طول زمان مطابق

گردد.کاهش یافته و بدین صورت محاسبه می 2شکل

کاهش انحراف استاندارد در طول زمان: 2شکل

T

د:گرددانه با انحراف معیاری مطابق فرمول زیر پراکنده می

𝜎𝑡 = (𝑇 − 𝑡

𝑇)𝑛 (𝜎𝑖𝑛𝑖𝑡𝑖𝑎𝑙 − 𝜎𝑓𝑖𝑛𝑎𝑙) + 𝜎𝑓𝑖𝑛𝑎𝑙

𝑃𝑀𝑎𝑥حذف رقابتی: اگر تعداد کل گیاهان به -4

بااضافی ) گیاهانو کرده برسد، همه آنها را مرتب

کنیم.( را حذف میشایستگی کمتر

2درصورت برآورده نشدن شرایط خاتمه، به مرحله -5

پایان.گردیم، در غیر این صورت بر می

های الگوریتممولفه

مساله پارامترهای تعریف

nVar تعداد متغیرهای تصمیم

VarMin حد پایینی متغیرهای تصمیم

VarMax حد بالایی متغیرهای تصمیم

پارامترهای الگوریتم علف هرز مهاجم

MaxIt تکرارتعداد حداکثر (𝑇)

nPop0 تعداد جمعیت اولیه

Pmax جمعیتحداکثر تعداد

Smin حداقل تعداد دانه

Smax حداکثر تعداد دانه

Exponent توان کاهنده انحراف معیار (𝑛)

Sigma_initial انحراف استاندارد اولیه

Sigma_final انحراف استاندارد نهایی

IWO( الگوریتم pseudo codeشبه کد )1. Generate a random population of nPop0

solutions (W);

2. For iter = 1 to the maximum number of

generations (MaxIt)

a. Evaluate the objective function for each

individual in W;

b. Compute maximum and minimum

fitness in the colony;

c. For each individual 𝑤 ∈ 𝑊

i. Compute the number of seeds of w,

corresponding to its fitness;

ii. Randomly distribute the generated

seeds over the search space with

normal distribution around the parent

plant (w);

iii. Add generated seeds to the solution

set, W;

d. If (|𝑊| = 𝑁) > 𝑃𝑚𝑎𝑥

i. Sort the population W in descending

order of their fitness;

ii. Truncate population of weeds with

smaller fitness until 𝑁 = 𝑃𝑚𝑎𝑥;

3. Next iter;

IWOفلوچارت الگوریتم

Pmax

Pmax

سپاس از توجه شما با

حمید حاجی ابراهیمHamid@Hajiebrahim.com