امروزه آتوماتای سلولی در زمینههای متعددی از جمله تولید الگوهای تصادفی، نظریه محاسبات، مدلسازی سیستمهای فیزیکی و بیولوژیکی و محاسبات کاربردی مورد استفاده قرار گرفته است.طبق تعریف، میتوان به آتوماتای سلولی به عنوان یک مدل محاسباتی عمومی نگریست که عملیات بر روی این مدل محاسباتی طبق قوانین سلولی صورت میپذیرد.
از طرفی گرایشی در جامعه علمی برای نمونهسازی و حل مسائل پیچیده بهینهسازی بوسیله به کار بردن استعارههای طبیعی[1] وجود دارد. این مسئله اصولاً به عدم بهرهوری الگوریتمهای بهینهسازی معمول در حل مسائل دارای مقیاس ترکیبی بزرگتر و یا مسائل به شدت غیرخطی، ارتباط دارد.
یکی از شاخصههای معمول بهینهسازی عدم انعطاف آنها در جهت تطبیق دادن الگوریتم حل با یک مسئله ارائه شده است. اساساً یک مسئله داده شده در چنین روشی بنحوی نمونهسازی میشود که یک الگوریتم ساده معمول میتواند از عهده آن برآید. این مسئله در کل نیازمند گرفتن چندین فرض میباشد که ممکن است تأیید آنها در خیلی از موقعیتها آسان به نظر نرسد. با توجه به هدف غلبه کردن بر این محدودیتها، الگوریتمهای کلی هدفمند انعطافپذیر و قابل تطبیق لازم هستند.
کلمات کلیدی
آتوماتای یادگیر- آتوماتای یادگیر سلولی- کلونی زنبور- آتوماتای یادگیر سلولی -گروهی
فهرست مطالب
2- مروری بر تحقیقات گذشته 8
2-1- مقدمه 9
2-2 -آتوماتای سلولی 9
2-2-1- تعريف آتوماتای سلولی 11
2-2-2 -انواع آتوماتای سلولی 13
2-2-3 – کاربردهای آتوماتای سلولی 16
2-3- آتوماتای یادگیر 17
2-3-1- آتوماتای یادگیر با ساختار ثابت 17
2-3-2- آتوماتای یادگیر با ساختار متغیر 20
2-3-3 آتوماتای یادگیر سلولی 24
2-3-4- آتوماتای سلولی یادگیر نامنظم 25
2-4- مدلهای محاسباتی اکتشافی 28
2-4-1- الگوریتمهای تکاملی 28
2-4-2- مدلهای محاسباتی مبتنی بر هوش اجتماعی 33
2-4-3- الگوریتم جستجوی همساز 47
2-5- مدلهای محاسباتی اکتشافی مبتنی بر آتوماتای سلولی و یادگیر 49
2-5-1- مدل ترکیبی آتوماتای یادگیر و روش بهینه سازی گروه ذرات 49
2-5-2- مدل ترکیبی آتوماتای سلولی یادگیر و روش بهینه سازی گروه ذرات 50
2-5-3- الگوریتم ترکیبی آتوماتای یادگیر و الگوریتم ژنتیک 52
2-5-4- مدل ترکیبی آتوماتای یادگیر سلولی و محاسبات تکاملی (CLA-EC) 54
2-5-5- الگوریتم ترکیبی آتوماتای یادگیر و کلونی مورچه 57
2-6 -خلاصه فصل 59
مراجع 58