توضیحات

الگوریتم های فراابتکاری و کاربرد آن در انتخاب بهینه سبدسهام

نویسندگان: دکتر بابک پوربهرامی – نرگس سقازاده

با توجه به شرایط کرونا و طرح فاصله گذاری اجتماعی، ارسال کتب تنها با پیک و یا پست امکان پذیر می باشد.

***به هیچ عنوان خرید حضوری نداریم***

**خریداران عزیز توجه فرمایید**

با توجه به طرح فاصله گذاری اجتماعی و شیوع ویروس کرونا ، لطفا جهت ارسال سریع کتب مورد نظر با تلفن همراه (09107556705)تماس حاصل فرمائید.

برای پیدا کردن جواب بهینه با به‌کارگیری الگوریتم‌های ابتکاری، از آزمون‌وخطا استفاده می‌کنیم؛ در اینجا منظور از ابتکاری (هیوریستیک) پیدا کردن و یا جستجو کردن   توسط آزمون‌وخطا می‌باشد. در این روش هیچ تضمینی برای پیدا کردن راه‌حل وجود ندارد، چه‌بسا ممکن است بسیاری از روش‌های معروف دیگر، مؤثرتر و کاراتر هم باشند. به‌طورکلی، الگوریتم‌های ابتکاری را روش‌های مبتنی بر جستجوی محلی می‌دانند، چراکه جستجوهای آن‌ها بر روی متغیرهای محلی متمرکز می‌باشد؛ بااین‌حال هنوز هم الگوریتم‌های ابتکاری را می‌توان در زمره بهترین روش‌های حل مسائل بهینه‌سازی دانست، خصوصاً هنگامی‌که محدودیت زمانی هم در حل مسئله مهم می‌باشد. کلمه فرا ابتکاری و یا متاهیوریستیک[1] مبین الگوریتم‌های پیشرفته ابتکاری می‌باشد. در حقیقت (متا[2]) در ابتدای این کلمه به معنای فراتر یا ماورا می‌باشد. کلمه متاهیوریستیک به مفهوم پیدا کردن راه‌حل بهینه با به‌کارگیری تکنیک‌هایی در سطوح پیشرفته و هم‌چنین استفاده از روش‌های آزمون‌وخطا می‌باشد به‌طورکلی متاهیوریستیک ها به‌عنوان تکنیک‌های پیشرفته‌ای مطرح هستند که درواقع از ترکیب تکنیک‌های سطوح پایین‌تر برای بررسی گسترده‌تر و درعین‌حال متمرکزتر فضای جستجو به‌دست‌آمده‌اند. در سال‌های اخیر، کلمه متاهیوریستیک به تمام الگوریتم‌های مدرن و سطوح بالا اشاره می‌کند که ازجمله آن‌ها می‌توان به الگوریتم‌های تکاملی (EA) مثل الگوریتم ژنتیک (GA)، الگوریتم انجماد تدریجی (SA)، جستجوی ممنوع (TS)، الگوریتم کلونی مورچگان (ACO)، بهینه‌سازی اجتماع ذرات (PSO)، الگوریتم کرم شب‌تاب(FA) و الگوریتم جستجوی هارمونی(HS) اشاره کرد. دو مفهوم اصلی و مهم در الگوریتم‌های فرا ابتکاری وجود دارد تنوع (گوناگونی)[1] تشدید[2] [1] – Diversification [2] – intensitication [1] Metaheuristic [2] Meta