بهینه سازی مبتنی بر جغرافیای زیستی یا BBO

بهینه سازی مبتنی بر جغرافیای زیستی یا Biogeography-Based Optimization (به اختصار BBO) یکی از الگوریتم های نسبتا جدید در حوزه بهینه سازی هوشمند است که در سال ۲۰۰۸ توسط Dan Simon معرفی شد. در این الگوریتم، از چگونگی انتشار گونه های جانداران در زیستگاه های متعدد الهام گرفته شده است. با ارائه مدلی احتمالی برای چگونگی مهاجرت گونه در زیستگاه ها، مدل ریاضی استخراج شده است که نهایتا منجر به ایجاد مدل بهینه سازی جدیدی شده است که در BBO استفاده شده است.

GMDH

توضیحات کلی از GMDH :

مخفف GROUP MODEL OF DATA HANDLING و از خانواده الگوریتم های استتناجی (Algorithms Inductive )برای مدل سازی ریاضی از مجموعه داده های چند پارامتری که ویژگی های تمام اتوماتیک بهینه سازی ساختاری و پارامتریک از مدل را دارا هستند، می باشد. GMDH در زمینه هایی مانند داده کاوی ( DATA MINING )کشف دانش (KNOLEDGE DISCOVERY)پیش بینی(Prediction)مدل سازی سیستم های پیچیده ( COMPLEX SYSTEM MODELING )بهینه سازی (Optimization)و شناسایی الگو ( PATTERN RECOGNITION )به کار می رود. الگوریتم GMDH بر اساس روش استنتاج است که انجام مرتب سازی از مدل به تدریج پیچیده چند جمله ای و انتخاب بهترین راه حل با استفاده از معیارهای خارجی، مشخص می شود. مدل GMDH با چندین ورودی و یک خروجی، یک زیر مجموعه از اجزای تابع پایه است:

که در آن f تابع ابتدایی وابسته به مجموعه های مختلف از ورودی ها، a ها ضرایب هستند و m تعداد اجزای عملکرد پایه است. در جهت پیدا کردن بهترین راه حل، الگوریتم GMDH چند راه حل دارد که به آنها مدل های جزئی  مشتقات جزئی می گویند. ضرایب این مدل توسط روش کمترین مربعاتPARTIAL MODEL  t برآورده می  می شود. الگوریتم GMDH به تدریج تعدادی از مدل های جزئی را افزایش می دهد و یک مدل ساختاری با پیچیدگی مطلوب که با ارزش حداقل یک معیار خارجی نشان داده می شود .

محبوبترین تابع پایه که در GMDH استفاده می شود، چند جمله ای کولموگروف – گابور Gabor – Kolmogorov است:

GMDH را با نام شبکه های عصبی چند جمله ای و شبکه های آموزشی آماری به لطف پیاده سازی الگوریتم های مربوط در چندین نرم افزار تجاری نیز می شناسند.

الگوریتم های مورد استفاده در GMDH :

( Combinatorial (COMBI

( Multilayered Iterative (MIA

 GN 

( Objective System Analysis (OSA 

 Harmonical 

( Two-level (ARIMAD 

( Multiplicative-Additive (MAA

( Objective Computer Clusterization (OCC

 Pointing Finger (PF) clusterization algorithm

( Analogues Complexing (A 

 Harmonical Rediscretization 

( Algorithm on the base of Multilayered Theory of Statistical Decisions (MTSD 

( Group of Adaptive Models Evolution (GAME

  Least Square