روش بهینه سازی دو فازی مبتنی بر الگوریتم‌ های مکاشفه ای بیگ بنگ و سیاه چاله

این تحقیق یک الگوریتم دو فازی را ‏برای حل مسایل بهینه سازی معرفی و مطالعه می‌کند که ایده اصلی آن مبتنی بر الگوریتمهای فرا ابتکاری بیگ بنگ و سیاه چاله است. در فاز اول این الگوریتم مورچه‌های تصنعی یک منطقه مستطیلی مشبک را در جهت‌های موازی اسکن می‌کنند که بهترین نقاط تعیین شده در مسیر مورچه‌ها به عنوان نقاط آغازین برای فاز دوم این الگوریتم استفاده می‌شوند. در فاز دوم، الگوریتم‌‌های بیگ بنگ و سیاه چاله سعی در بررسی جواب‌های دقیقتر در همسایگی نقاط آغازین با کاهش شعاع همسایگی دارند. مثالهای عددی تایید می‌کنند که این الگوریتم قادر است حواب بهینه را با دقت مطلوب و هزینه‌‌های محاسباتی کمتری به دست آورد.

Two Phase Optimization Method Based on Meta heuristic Algorithms, Big Bang-Big Crunch and Black Hole

This research proposes a twophase algorithm whose main idea is based on meta heuristic algorithms, Big Bang and Black Hole. In the first phase of this algorithm, the artificial ants scan the reticulated rectangular region in parallel directions. The best points in the ant’s navigations are used as starting points for the second stage of this algorithm. Big Bang and Black Hole algorithms, as an exploitation phase, try to investigate more accurate answers in the neighborhood of the starting points by reducing the neighborhood radius. Numerical examples confirm that this algorithm is capable to achieve an optimal solution with the desired accuracy and low computational costs.