تشریح کامل الگوریتم فراابتکاری فرهنگی CA

الگوریتم فراابتکاری فرهنگی CA با همان cultural algorithm یکی از جدیدترین الگوریتم های فراابتکاری است که بر اساس افکار و باورهای یک جامعه کار می کند. این الگوریتم که الهام گرفته شده از فرهنگ جوامع مختلف و نحوه بهبود و ارتقای آن است، امروزه در جهت بهینه سازی مسائل ریاضی به کار گرفته شده است. ساختار کلی این الگوریتم به صورت شکل زیر است.

تشریح کامل الگوریتم فراابتکاری فرهنگی CA

به منظور درک بهتر ساختار این الگوریتم  لازم است تا تشریح کامل الگوریتم فراابتکاری فرهنگی CA توسط بخش های مختلف آن صورت گیرد. بخش های مختلف آن در ذیل تشریح شده است.

طبقه بندی یا همان Taxonomy

الگوریتم فرهنگی فرمت در زمینه محاسبات تکاملی است و ممکن است الگوریتم متا تکامل باشد. این به طور گسترده ای به میدان اطلاعات محاسباتی و متاعرینگی تعلق دارد. این مربوط به دیگر فرمتهای مرتبسازی محاسباتی تکاملی مانند الگوریتم Memetic است.

الهام بخشی یا همان Inspiration

الگوریتم فرهنگی از اصل تکامل فرهنگ الهام گرفته شده است. فرهنگ شامل عادات، دانش، باورها، آداب و رسوم و اخلاق یک عضو جامعه است. فرهنگ مستقل از محیط زیست نیست و می تواند با محیط زیست از طریق چرخه های بازخورد مثبت یا منفی ارتباط برقرار کند. مطالعه تعامل فرهنگ در محیط زیست به عنوان «محیط زیست فرهنگی» نامیده می شود.

استعارگری یا همان Metaphor

الگوریتم فرهنگی ممکن است در زمینه سیستم الهام بخش توضیح داده شود. همانطور که فرآیند تکامل آشکار می شود، افراد اطلاعاتی در مورد دنیایی که به دیگر افراد در جامعه ارتباط دارد، جمع می شوند. به طور خلاصه این قسمت از اطلاعات یک پایگاه دانش است که اعضای جمعیت ممکن است از آن بهره برداری کنند. مکانیسم بازخورد مثبت می تواند رخ دهد که دانش فرهنگی آن مناطق مفید محیط را نشان می دهد، اطلاعاتی که بین نسل ها به میان می آید، مورد بهره برداری، تصفیه و سازگاری قرار می گیرند. علاوه بر این، مناطقی از خطر بالقوه نیز ممکن است از طریق پایگاه اطلاعات فرهنگی ارتباط برقرار شود.

استراتژی Strategy

هدف پردازش اطلاعات الگوریتم بهبود یادگیری یا همگرایی تکنیک جستجوی جاسازی شده (معمولا یک الگوریتم تکاملی) با استفاده از تکامل فرهنگی بالاتر است. الگوریتم در دو سطح عمل می کند: سطح جمعیت و سطح فرهنگی. سطح جمعیت مانند جستجوی تکاملی است، در حالی که افراد نماینده راه حل های نامزدی هستند، اغلب متمایز هستند و ویژگی های آنها به یک تابع هدف یا هزینه در حوزه مشکل ترجمه می شود. سطح دوم، فضای دانش یا فکری است که اطالعات به دست آمده توسط نسل ها ذخیره می شود و برای نسل فعلی قابل دسترسی است. یک پروتکل ارتباطی برای اجازه دادن به دو فضایی برای تعامل و نوع اطلاعاتی که می تواند مبادله شود استفاده می شود.

رویه الگوریتم فرهنگی

تمرکز الگوریتم ساختار داده KnowledgeBase است که انواع دانش را بر اساس ماهیت پرونده ثبت می کند. به عنوان مثال، ساختار ممکن است برای ضبط بهترین راه حل نامزدی و همچنین اطلاعات عمومی در مورد مناطق فضای جستجو که انتظار می رود به نتیجه برسد (نتیجه راه حل های نامزدی خوب) مورد استفاده قرار می گیرد. این دانش فرهنگی توسط جستجوی تکاملی مبتنی بر جمعیت کشف شده است و به نوبه خود برای تأثیرگذاری بر نسل های بعد مورد استفاده قرار می گیرد. تابع پذیرش، انتقال دانش از جمعیت را به پایگاه دانش محدود می کند.

الگوریتم (زیر) فهرست الگوریتم فرهنگی را به صورت شبه کد ارائه می دهد. الگوریتم انتزاعی است، ارائه انعطاف پذیری در تفسیر فرآیندهای مانند پذیرش اطلاعات، ساختار پایگاه دانش و الگوریتم تکاملی خاص تعبیه شده