حساس به نویز
اگر معیار تشابه در تابع هدف بر اساس فاصله تعریف شود میتوان از تعاریف مختلفی که در مورد فاصله وجود دارد استفاده کرد که در زیر چند نمونه از این توابع آورده شده است.
جدول۲‑۳ معیارهای تشابه بر اساس توابع فاصله مختلف.
فرمولها
توابع فاصله
فاصله اقلیدسی.
فاصله همینگ
فاصله چبیشف
فاصله مینک اوسکی
فاصله کانبرا
زاویه جدایی
فصل سوم: بهینهسازی بر مبنای الگوریتم خفاش
۳-۱- مقدمه
بهینهسازی یافتن بهترین جواب در خروجی یک تابع یا فرایند، بهوسیله تغییر ورودیهای می باشد. واژهی بهترین بیان میدارد که بیش از یک جواب و راه حل برای مسأله وجود دارد که یافتن بهترین جواب (جواب بهینه) بستگی به مسأله در دسترس، روش حل و خطای مجاز دارد[۳۶].
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
بیت‌لر و دیگران (۱۹۷۹) بهینهسازی را چنین شرح می‌دهند : فعل بهینه ساختن که کلمه قوی‌تری نسبت به بهبود می‌باشد عبارت است از دستیابی به بهینه و بهینهسازی اشاره به عمل بهینه ساختن دارد . بنابراین تئوری بهینهسازی شامل مطالعات کمی بهینه‌ها و روش یافتن آنها است . همچنین بهینه به عنوان یک واژه فنی دلالت بر اندازه‌گیری کمی و تحلیل ریاضی دارد در حالی که بهترین ، دارای دقت کمتر بوده و بیشتر برای امور روزمره استفاده می‌شود .
در بیشتر موارد آنچه که با هدف بهینهسازی انجام می‌دهیم بهبود است . بهینهسازی به دنبال بهبود عملکرد در رسیدن به نقطه یا نقاط بهینه است .
بهینه سازی مبتنی بر رفتار گروهی موجودات زنده به عنوان دستهای مهم از این الگوریتمها شناخته می شود که در برگیرندهی روشهای محاسباتی بدیعی است که قادر به حل مسائل بهینه سازی به شیوه ای مؤثر و قابل اعتماد می باشند[۳۷].
روشهای بهینه سازی مبتنی بر رفتار گروهی موجودات زنده را میتوان در بازهی وسیعی از کاربردها استفاده کرد. به علت کارایی این روشها در پیدا کردن جوابهای رضایت بخش برای مسائل دینامیک و مشکل در زمان قابل قبول، در سالهای اخیر توجه زیادی به این روشها شده است. همه منظوره بودن این نوع از روشهای بهینه سازی باعث شده است آنها برای بازهی وسیعی از کاربردهای دنیای واقعی مناسب باشند. لیست زیر حوزه های اصلی کاربرد این دسته از الگوریتمها را نشان می دهد:
