دانلود ترجمه مقاله بررسی الگوریتم های کلونی زنبور عسل

1. مقدمه 2. زنبور عسل در طبیعت 3. مدل های الگوریتم های کلونی زنبور عسل 4. نتیجه گیری

چکیده – این مقاله یک پژوهش روی فعالیت های تحقیقاتی کنونی با الهام از عمر زنبور عسل است. این پژوهش می کوشد دید گسترده و فراگیری از اصول و کاربردهای مختلف این سیستم های الهام گرفته از عوامل زیستی ارائه کند. پیشنهاد می کنیم آنها را به دو مدل اصلی دسته بندی کنیم. اولی بر پایه رفتار جستجوی گیاه در زندگی شبانه روزی زنبور عسل و دومی با الهام از اصل ازدواج است. مطالعات اصلی مختلف در کنار کاربردهای آنها، مقایسه با دیگر رویکردها و نتایج تشریح و دسته بندی می شوند. سپس مروری بر الگوریتم های به دست آمده و تلاش های پژوهشی ارائه می کنیم. مقدمه: در دو دهه گذشته پژوهش گران محاسباتی به طور فزاینده متوجه علوم طبیعی و به ویژه زیست شناسی به عنوان منبع الگوهای مدل سازی شده¬اند. بسیاری از حوزه های پژوهشی شدیداً تحت تاثیر رفتار موجودات و پدیده های زیست شناختی مختلف است. این تلاش ها منتهی به متاابتکارهای مبتنی بر جمعیت مانند بهینه سازی کلونی مورچگان (ACO)، الگوریتم های تکاملی (EAs)، بهینه سازی انبوه ذرات (PSO)، کلونی زنبور عسل (BC) و ... شد. آنها رفتار اجتماعی حشراتی مانند مورچه، ماهی، پرنده، زنبور عسل و ... را مدل سازی کردند. آنها را می توان متعلق به دسته ابزارهای هوشمند بهینه سازی مورد استفاده برای حل یک مسئله محاسباتی و پیچیده در حوزه های مختلف دانست. زنبورهای عسل جزء حشراتی اجتماعی هستند که مطالعات زیادی روی آنها انجام شده است [32]. در سال اول بسیاری مطالعات بر پایه رفتارهای مختلف زنبور عسل برای حل مسائل بهینه سازی پیچیده ترکیبی و عددی توسعه داده شده است.

This paper presents a survey of current research activities inspired by bee life. This work is intended to provide a broad and comprehensive view of the various principles and applications of these bio-inspired systems. We propose to classify them into two major models. The first one is based on the foraging behavior in the bee quotidian life and the second is inspired by the marriage principle. Different original studies are described and classified along with their applications, comparisons against other approaches and results. We then summarize a review of their derived algorithms and research efforts. INTRODUCTION: In the last two decades, the computational researchers have been increasingly interested to the natural sciences, and especially biology, as source of modeling paradigms. Many research areas are massively influenced by the behavior of various biological entities and phenomena. It gave birth to most of population-based Metaheuristics such as Ant Colony Optimization (ACO), Evolutionary Algorithms (EAs), Particle Swarm Optimization (PSO), Bee Colony (BC) etc. They modeled the insect social behaviors such as ant, fish, bird, bee etc. They could be regarded as belonging to the category of intelligent optimization tools used to solve a computational and complex problem in different areas. Honey bees are one of the most well studied social insects [32]. In the early years many studies based on the different bee behaviors have been developed to solve complex combinatorial and numerical optimization problems.