بسیاری از مسائل صنعت و مهندسی در عمل به برنامهریزی بهینه با تابع هزینه قابل بیان به شکل خطی تحت قیود تساوی و ناتساوی ختم میشود. ابزارهای بسیاری برای حل این نوع مسائل طراحی شده است که بطور رایگان در دسترس عموم قرار دارد؛ مثل GNU Linear Programming Kit یا GLTK. با این حال این ابزارها بعنوان ورودی از مدل مجتمع ماتریسی استفاده می کنند. کتابخانه PuLP در پایتون واسط بین کاربر و حل کنندههای برنامهریزی خطی میباشد تا کاربر در گیر ساخت مدل ماتریسی که اغلب زمان بر و پر خطا است نباشد.
PSO الگوریتمی، قوش سورولرینین اجتماعی یاشاملاریندان الهام آلینان بیر الگوریتم دیر. PSO داهی اونون کیمی الگوریتملر عمومیتله بیر مسئلهنین متعدد جوابلاری ایله باشلاییب، جوابلاری الگوریتم قاباغا گئتمهسی ایله بیر، یاخشیلادارلار؛ اونون اوچون ده بو الگوریتملره «یاخشیلاشدیرما الگوریتملری» آدینی وئرهبیلهریک. یاخشیلاتما قارشیلاشدیغیمیز مسئله ایله معنیلهنیر. بعض مسئلهلرده گلیری و قازانجی چوخالتماق، بعضیلرینده ایسه چیخیری آزالتماق، یاخشیلاتماق معیاریمیز اولور.
یکی از الگوریتمهای فرا ابتکاری شناخته شده در زمینه بهینهسازی الگوریتم کرم شبتاب (Firefly algorithm) میباشد. در این نوشته با کلیات این الگوریتم و مراحل آن آشنا خواهیم گشت. همچنین نحوه استفاده از کتابخانه PyFFA برای حل مسائل بهینهسازی با یک مثال کوچک توضیح داده خواهد شد.
روشهای بهینهسازی هوشمند مختلفی برای حل طیف وسیعی از مسائل مهندسی مورد استفاده قرار میگیرند. از جمله روشهای پایهای که ویرایشهای مختلف و روشهای ارتقا یافته متعددی بر مبنای آنها توسعه داده شده است، الگوریتم بهینهسازی ژنتیک میباشد. در این نوشته آشنایی کلی با این الگوریتم خواهیم داشت.
الگوریتم بهینهسازی ازدحام ذرات (PSO) یکی از الگوریتمهای شاخص در زمینه بهینهسازی میباشد. در این نوشته به دنبال آشنایی با کاربردهای این الگوریتم میباشیم.