چکیده فارسی :

زمینه/ اهداف. در دنیای امروزی، یافتن راه حلی عملی برای مسائل ترکیبی، کاری مهم می‌باشد. هدف اصلی این مقاله، تحلیل و درک الگوریتم‌های مبتنی بر طبیعت است که جهت توانمندی ما برای یافتن راه حل به بهینه می‌باشد.

روش‌ها/ تحلیل آماری: الگوریتم بهینه سازی غذایی با باکتریایی (BFOA)، الگوریتم کرم شب تاب، بهینه سازی کلونی مورچه (ACO)، بهینه سازی کلونی زنبور، بهینه سازی فاخته و غیره. که در متعادلسازی بار انرژی، برآورد هزینه، مسیریابی بهینه بخش‌بندی رنگ بحث می‌شود. این مقاله بطور برجسته، محدودیت‌ها و مشخصات همگرایی هر الگوریتم، جهت حل برخی از مسائل مواجه شده در زمینه‌های متنوع کاربردی را نشان می‌دهد.

یافته‌ها: الگوریتم‌های کلونی مورچه در یافتن راه حل ها در 1% از راه‌حل‌های بهینه مشخص شده، موفق می‌باشند. راه حل بهینه که در BFOA یافت می‌شود از طریق تنظیم اندازه کموتاکسی یافت شد. این مقاله نیز نتایج تحقیقاتی متنوع صورت گرفته در زمینه‌ها متنوع را با استفاده از روش‌های هوش ازدحامی تحلیل می‌نماید.

کلمات کلیدی: مسائل ترکیبی، بهینه سازی، هوش ازدحامی

چکیده انگلیسی:

Background /Objectives: In today’s world, finding a feasible solution for combinatorial problems becoming a crucial task. The main objective of this paper is to analyze and comprehend different nature based algorithms enabling to find optimal solution. Methods/statistical analysis: Bacterial Foraging Algorithm (BFOA), firefly algorithm, Ant Colony Optimization (ACO), bee colony optimization, cuckoo optimization etc. Which have been used in power load balancing, cost estimating, optimal routing, color segmentation were discussed. This paper also highlights the constraints and convergence properties of each algorithm to solve certain problems encountered in various fields of application. Findings: Ant colony algorithms were successful in finding solutions within 1% of known optimal solutions. Optimal solution was found in BFOA by adjusting chemo taxis step size. Also, this paper analyzes results of various research works done in numerous fields using the swarm intelligence techniques.

Keywords: Combinatorial Problems, Optimization, Swarm Intelligence