ملاحظة : الموضوع عبارة عن حلقة من حلقات سلسلة َأمثلة اسراب الطيور -(العناصر) Particle swarm optimization PSO

 التحكم بمعاملات خوارزمية PSO

نجد من الحلقات السابقة , وبعد الاطلاع على آلية عمل خوارزمية أمثلة اسراب العناصر (الطيور) نجد بأن هنالك مفتاحان أساسيان  ومهمان أثناء تطبيق خوارزمية PSO في مجال مسائل الأمثلة ألا وهما:

1. طريقة تمثيل الحل representation of the solution
2. طريقة صياغة تابع الملائمة fitness function

من أحد مزايا خوارزمية PSO بأن هذه الخوارزمية تتخذ الاعداد الحقيقية على انها العناصر. وهذا لا يشبه الخوارزميات الجينية GA , والتي تحتاج إلى التحول إلى الترميز الثنائي binary encoding, أو إلى استخدام المعاملات الجينية genetic operators.

على سبيل المثال : عندما نحاول البحث عن الحل للمسألة f(x) = x1^2 + x2^2+x3^2  , فإنه يمكن تمثيل العنصر على الشكل (x1, x2, x3) , وتابع الملائمة يكون بدوره عبارة عن f(x).  وبعد ذلك نقوم باستخدام الاجرائية المعيارية لايجاد الحل الامثل. وتكون عملية البحث عن الحل الامثل عبارة عن اجرائية متكررة,  ويتم التوقف في احد حالتين :

1. عند الوصول إلى الحد الأعلى من التكرارات المسموح بها
2. أو في حال وصلنا إلى تحقق شرط قيمة الخطأ الادنى المسموح به – وبذلك نكون قد اقتربنا من الحل الامثل.

لا يوجد هنالك عدد كبير من المعاملات التي نحتاج إلى ضبطها ضمن خوارزمية PSO. فيما يلي قائمة بالمعاملات التي قد نحتاج إليها مع القيم النموذجية لها.

عدد العناصر The number of partcles : العدد النموذجي يتراوح بين 20 – 40 عنصر. بشكل فعلي بالنسبة لأغلب المسائل فإن 10 عناصر عبارة عن عدد كافي لإيجاد نتائج جيدة. ولكن بالنسبة لبعض المسائل المختلفة أو ذات الحالات الخاصة , قد نحتاج لتجريب استخدام 100 او 200 عنصر لايجاد حل جيد.

أبعاد العناصر Dimension of particles : يتم تحديدها بحسب المسألة التي من المطلوب ايجاد حل امثل لها .

مجال العناصر Range of particles : يتم تحديده بحسب المسألة التي من المطلوب ايجاد حل امثل لها , بإمكانك تحديد مجالات مختلفة بحسب ابعاد العناصر. ( للتوضيح اكثر : مقصود بمجال العنصر أي مجال القيم التي من الممكن ان يتخذها العنصر خلال تغير قيمه اثناء دورات الخوارزمية).

Vmax : وتحدد الحد الأعلى للتغيرات التي يمكن ان تطرأ على عنصر خلال دورة واحدة. عادة ما نقوم بوضع مجال العنصر range of the particle  بشكل مماثل ل Vmax , على سبيل المثال : عندما يكون العنصر (x1, x2, x3) و X1 ينتمي إلى المجال [-10, 10]عندها فإن Vmax = 20.

عوامل التعلم Learning factors :  عادة ما تكون قيم c1 و c2 مساوية ل 2. على كل الأحوال,تم استخدام اعدادات اخرى ضمن عدة بحوث. ولكن عادة ما يتم اسناد قيم c1  و c2  إلى القيم ضمن المجال [0, 4].

شرط التوقف The stop condition : ويمثل الحد الاعلى للتكرارات التي تقوم الخوارزمية بتنفيذها, بالاضافة إلى قيمة الخطأ الاصغري المسموح به للوصول للحل الامثل. وتعتمد قيم شرط التوقف بشكل اساسي على المسألة التي من المطلوب ايجاد الحل الامثل لها.

النسخة العامة إزاء النسخة المحلية Global version vs.local version : لقد قدمنا وطرحنا نسختين من خوارزمية PSO. النسخة العامة و النسخة المحلية.

تعتبر النسخة العامةglobal version  اسرع ولكنها قد تأخذنا إلى نهاية محلية صغرى بالنسبة لبعض المسائل.

أما النسخة المحلية local version  ابطىء قليلا , ولكنها ليس من السهل ان تقع ضمن فخ النهاية المحلية الصغرى.

بإمكاننا استخدام النسخة العامة global version  للحصول على نتائج سريعة, واستخدام النسخة المحلية local version  لتشذيب نتائج البحث.

هنالك عامل اخر يدعى وزن القصور الذاتي inertia weight, الذي تم طرحه من قبل Shi و Eberhart. في حال كان يهمكم الاطلاع اكثر على هذا العامل بإمكانكم الاطلاع على البحث الذي قاما بنشره عام 1998.(عنوانه : A modified particle swarm optimizer)

في الختام:

لا تزال عملية تطوير خوارزمية PSO جارية لحد الآن. ولا تزال هنالك العديد من المجالات المجهولة لحد الآن في بحوث  PSO مثل “التحقق الرياضي من نظرية اسراب العناصر”.

ولكن بإمكانكم ايجاد الكثير من المعلومات المفيدة المتعلقة بهذه النظرية على الانترنت.

وإلى لقاء قادم مع خوارزمية أخرى من خوارزميات الذكاء الصنعي.

وإلى ذلك الحين استودعكم الله والسلام عليكم ورحمة الله وبركاته

 بعض المراجع التي تمت الاستفادة منها:

• http://www.swarmintelligence.org/
• http://en.wikipedia.org/wiki/Swarm_behaviour
• http://en.wikipedia.org/wiki/Particle_swarm_optimization
• http://ar.wikipedia.org/wiki/%D8%B0%D9%83%D8%A7%D8%A1_%D8%A7%D9%84%D8%A3%D8%B3%D8%B1%D8%A7%D8%A8
• http://cswww.essex.ac.uk/technical-reports/2007/tr-csm469.pdf
• http://www.alife.org
• http://www.cleveralgorithms.com/nature-inspired/swarm/pso.html