شبیه سازی شکار در الگوریتم بهینه سازی وال یا نهنگ WOA در متلب

در این پست سورس کد شبیه سازی شکار در الگوریتم بهینه سازی وال یا نهنگ WOA در متلب قرار داده شده است. بسیاری از کدهایی که در سایت های مختلف قرار دارد بر اساس توابع تست الگوریتم بهینه سازی نهنگ را توضیح و تشریح می دهند. برای اینکه مسئله بهینه سازی نهنگ واضح و بصورت گرافیکی در طول اجرای الگوریتم بدرستی نشان داده شود از یک دسته یا طعمه فرضی استفاده کردیم و در هر تکرار وال ها به طعمه نزدیک و نزدیکتر می شوند.

در واقع این سورس کد حمله واقعی نهنگ ها به دسته ماهی ها در الگوریتم را نشان می دهد. در ضمن مقاله ای کامل با عنوان الگوریتم بهینه سازی وال ها یا نهنگ WOA در همین سایت آماده کرده ایم که می توانید مطالعه کنید.

الگوریتم شکار نهنگ WOA چیست؟

الگوریتم بهینه سازی وال ها یا نهنگ WOA یک الگوریتم متاهیورستیک یا فرا ابتکاری است است و برای مسائل بهینه سازی از آن استفاده می شود. این الگوریتم مبتنی بر جمعیت Population-Based بوده، روال ساده ای دارد. الگوریتم  وال توسط سید علی میرجلیلی (Seyedali Mirjalili) در سال ۲۰۱۶ در مقاله The Whale Optimization Algorithm در ژورنال Advances in Engineering Software پایگاه علمی Elsevier ارائه شده است. در ادامه توضیحاتی در مورد این الگوریتم داده می شود.

الگوریتم بهینه سازی وال ها یا نهنگ ها

یکی از بزرگترین پستانداران دنیا وال یا نهنگ است از بین 7 نهنگ دنیا معروف ترین آنها، نهنگ گوژپشت یا نهنگ کوهان دار است. یک وال گوژپشت بالغ تقریباً به اندازه یک اتوبوس مدرسه است. شکار مورد علاقه وال ها، کریل و گروه های ماهی کوچک است. جالب ترین نکته در مورد وال های گوژپشت روش خاص شکار آنها می باشد. این رفتار کاوش گرانه به نام روش تغذیه حباب تور (Bubble-net) شناخته می شود.

وال های گوژپشت ترجیح می دهند تا دسته ای از کریل ها و یا ماهی های کوچک را در نزدیک سطح آب شکار کنند. این نکته مشاهده شده است که این کاوش و شکار، با ایجاد حباب های شاخصی در امتداد یک دایره یا مسیر هایی به انجام می رسد. الگوریتم WOA یکی از الگوریتم های بهینه سازی الهام گرفته شده از طبیعت و مبتنی بر جمعیت است که در زمینه های مختلف می توان از آن استفاده کرد.

مراحل الگوریتم

الگوریتم وال WOA  در سه مرحله یا سه فاز انجام می شود که بصورت زیر است:

1. شکار محاصره ای
2. فاز بهره برداری: روش حمله به حباب تور
3. مرحله اکتشاف: جستجوی شکار

قسمت هایی از سورس کد شکار در الگوریتم بهینه سازی وال

plot(Xprey,Yprey,'ks','MarkerSize',12,'MarkerFaceColor',[1 0 1]);
hold on;
plot(X,Y,'ro','MarkerSize',8,'MarkerFaceColor',[0 0 1]);

%%
nVar=2;
ub=100;
lb=0;
Costfunction=@(position,xprey,yprey) distance(position,xprey,yprey);

%% WhaleO parametrs
nPop=size(X,2);
MaxIt=500;
a=2;

%% initialaze step

Empty_Whale.position=[];
Empty_Whale.fitt=[];
Whale=repmat(Empty_Whale,nPop,1);

bestsol.position=[];
bestsol.fitt=inf;
for i=1:nPop
    Whale(i).position=[X(i) Y(i)];
    Whale(i).fitt=Costfunction(Whale(i).position,Xprey,Yprey);
    
    if Whale(i).fitt <bestsol.fitt
        bestsol.position=Whale(i).position;
        bestsol.fitt=Whale(i).fitt;
    end
        
end

for it=1:MaxIt
 
      for   i=1:nPop
       for   j=1:nVar
           
           r1=rand;
           r2=rand;

           A=2*a*r1-a;
           c=2*r2;
           p=rand;

ویدئوی معرفی محصول

درباره محصول

سورس کد شبیه سازی شکار در الگوریتم بهینه سازی وال یا نهنگ WOA در متلب عنوان محصولی است که در این پست به آن پرداخته شده است. محصول در نرم افزار متلب نوشته شده و بصورت کامل توسط گروه پشتیبانی پی استور تست و اجرا شده است. محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید.

مباحث مرتبط در زمینه الگوریتم وال WOA

آموزش الگوریتم های فرا ابتکاری