الگوریتم شبیه سازی ذوب فلزات , الگوریتم تبرید شبیه سازی شده , الگوریتم SA , الگوریتم فراابتکاری , انجام پروژه الگوریتم تبرید , پیاده سازی الگوریتم تبرید با متلب
معرفی الگوریتم شبیه سازی ذوب فلزات (Simulated Annealing) یا الگوریتم تبرید شبیه سازی شده :
امروزه مسائل بهینه سازی متفاوتی در محیط پیرامون ما وجود دارند. برخی از این مسائل به روش‌های ریاضی و سیستماتیک قابل حل هستند. برخی دیگر از مسائل وجود دارند که به وسیلهی روش های سیستماتیک قابل حل نیستند و به آسانی نمی‌توان جواب آن را پیدا کرد. برای این مسائل می‌توان از روش‌های دیگر استفاده کرد. یکی از روش‌های مناسب برای حل مسائل بهینه‌سازی و پیدا کردن جواب بهینه برای این مسائل استفاده از الگوریتم‌های فراابتکاری است. الگوریتم‌های فراابتکاری دارای زیرشاخه‌های زیادی است. یکی از الگوریتم‌های فراابتکاری که در این بخش به صورت خلاصه در مورد آن توضیحاتی ارائه می‌شود، الگوریتم شبیه سازی ذوب فلزات یا الگوریتم SA است.الگوریتم SA یک الگوریتم بهینه سازی سراسری است که متعلق به زمینه الگوریتم‌های بهینه سازی احتمالاتی و فراابتکاری است و در دسته الگوریتم‌های الگو گرفته از فرآیند‌های فیزیکی قرار دارد.
الگوریتم شبیه سازی ذوب فلزات :
الگوریتم تبریدشبیه سازی شده در سال ۱۹۸۳ توسط Kirkpatrick، Gelatt و Vecchi ایجاد شد و برگرفته از روش مونت کارلو است. شبیه سازی ذوب فلزات توسط روند ذوب و خنک کردن مواد، در متالورژی الهام گرفته شده است. در این فرایند طبیعی، ماده گرم می شود و به آرامی در شرایط کنترل شده سرد می شود تا اندازه کریستال را در ماده افزایش دهد و نقص های آن را کاهش دهد. این کار باعث افزایش استحکام و دوام مواد می شود. گرم کردن مواد انرژی اتم های آن را افزایش می دهد و به آنها اجازه می‌دهد آزادانه حرکت کنند و فرآیند خنک سازی آهسته اجازه می دهد تا پیکربندی جدید با انرژی کمتر و استحکام بالا کشف و بهره برداری شود.
فرآیند الگوریتم تبرید شبیه سازی شده به صورت زیر است:
فرآیند الگوریتم شبیه سازی ذوب فلزات
در الگوریتم SA ابتدا یک جمعیت اولیه متناسب با مساله تولید می‌گردد. سپس برای هر جوابی که در جمعیت اولیه وجود دارد، تعدادی همسایه به صورت تصادفی تولید می‌کند(معمولا یک همسایه تولید می‌شود). در ادامه مقدار برازندگی همسایه محاسبه می‌گردد اگر مقدار برازندگی همسایه (در فلوچارت بالا S2) از نقطه فعلی (S1) بهتر باشد، S2 جایگزین S1 در جمعیت خواهد شد. اما اگر مقدار برازندگی S2 از S1 بهتر باشد، آنگاه با یک احتمال که به صورت زیر محاسبه می‌گردد، S2 جایگزین S1 خواهد شد.
رابطه‌ی بالا، احتمال پذیرش S2 را نشان می‌دهد و توضیح پارامترهای آن به صورت زیر است :
P: احتمال پذیرش نقطه بعدی
C: یک پارامتر کنترلی وابسته به دمای محیط یا خود دمای محیط که در طول اجرای الگوریتم کاهش می‌یابد. هر چه مقدار دمای محیط بالاتر باشد (گام‌های اولیه الگوریتم) احتمال پذیرش S2 هنگامی که برازندگی آن بدتر از S1 است، بیشتر است.
Δf: تغییر هزینه
e: عدد طبیعی نپر
رابطه بالا، معیار متروپلیس نام دارد.
شبه کد الگوریتم SA در شکل زیر آورده شده است :
شبه کد الگوریتم SA
این الگوریتم کاربردهای گسترده‌ای در حل مسائل بهینه‌سازی دارد.
وب سایت مطلب دی ال با انجام پروژه های بهینه سازی با الگوریتم شبیه سازی ذوب فلزات در متلب در خدمت کاربران عزیز می باشد .
