خوارزمية تحسين الراكب

تتمثل الخطوة الأولى في تهيئة الخوارزمية، والتي تتم باستخدام أربع مجموعات من الدراجين ممثلة على النحو التالي:${\displaystyle V}$ويتم تهيئة مواقعها بطريقة عشوائية. وتُعطى تهيئة المجموعة بالصيغة التالية:

${\displaystyle S_{l}=\{S_{l}(v,k)\};1\leq v\leq P,1\leq k\leq W}$

1

أين،${\displaystyle P}$يشير إلى عدد الدراجين، و${\displaystyle S_{l}(v,k)}$يدل على موضع${\displaystyle v^{th}}$راكب في${\displaystyle k^{th}}$الحجم عند${\displaystyle l^{th}}$لحظة زمنية.

يتم تقييم عدد الدراجين بناءً على عدد الدراجين في كل مجموعة، ويتم التعبير عنه على النحو التالي:

${\textstyle P=B+J+O+A+K}$

2

أين،${\displaystyle B}$يشير إلى راكب التجاوز،${\displaystyle J}$يمثل التابع،${\displaystyle O}$يدل على المتجاوز،${\displaystyle A}$يمثل المهاجم، و${\displaystyle K}$يرمز إلى راكب الثور. ومن ثم، فإن العلاقة بين الصفات المذكورة أعلاه تُمثل على النحو التالي:

${\textstyle B+J+O+A+K={\frac {P}{5}}}$

3

بعد تهيئة معلمات مجموعة الدراجين، يتم تقييم معدل النجاح لكل دراج على حدة. يُحسب معدل النجاح بناءً على المسافة، ويُقاس بين موقع الدراج والهدف، ويُصاغ على النحو التالي:

${\textstyle Successrate={\frac {1}{\|S_{v}-l_{t}\|}}}$

4

أين،${\displaystyle S_{v}}$يرمز إلى موقع${\displaystyle v^{th}}$راكب و${\displaystyle l_{t}}$حدد الموقع المستهدف. لزيادة معدل النجاح، يجب تقليل المسافة، وبالتالي فإن مقلوب المسافة يعطي معدل نجاح المتسابق.

يُعتبر معدل النجاح عاملاً هاماً في اكتشاف القائد. ومن المفترض أن يتمتع المرشح الذي يسكن بالقرب من الموقع المستهدف بأعلى معدل نجاح.

يتم تحديث موقع المتسابق في كل مجموعة لتحديد المتسابق المتصدر، وبالتالي الفائز. لذا، يقوم المتسابق بتحديث موقعه باستخدام خصائص كل متسابق المحددة في التعريف. فيما يلي شرح لتحديث موقع كل متسابق:

يميل المتابع إلى تحديث موقعه بناءً على موقع الدراج الرئيسي لتحقيق الهدف بسرعة، ويُعبر عن ذلك على النحو التالي:

${\displaystyle S_{l+1}^{f}(v,o)=S^{G}(G,o)+[cos(\varphi _{v,o}^{l}*S^{G}(G,o)*\partial _{v}^{l})]}$

5

أين،${\displaystyle o}$يشير إلى مُحدد الإحداثيات،${\displaystyle S^{G}}$يمثل مركزًا متقدمًا للراكب،${\displaystyle G}$حدد مؤشر القائد،${\displaystyle \varphi _{v,o}^{l}}$يشير إلى زاوية التوجيه مع الأخذ في الاعتبار${\displaystyle v^{th}}$راكب في${\displaystyle o^{th}}$التنسيق، و${\displaystyle \partial _{v}^{l}}$تمثل المسافة.

يُستخدم تحديث موقع المتجاوز لزيادة معدل النجاح من خلال اكتشاف موقع المتجاوز، ويتم تمثيله على النحو التالي:

${\displaystyle S_{l+1}^{o}(v,o)=S_{l}(v,o)+[D_{l}^{*}{\bigl (}v{\bigr )}*S^{G}(G,o)]}$

6

أين،${\displaystyle D_{l}^{*}{\bigl (}v{\bigr )}}$يشير إلى مؤشر الاتجاه.

يُظهر المهاجم ميلاً للاستيلاء على منصب القائد من خلال متابعة عملية تحديث القائد، ويُعبّر عن ذلك على النحو التالي:

${\displaystyle S_{l+1}^{a}(v,\rho )=S^{G}(G,\rho )+[cos\varphi _{v,\rho }^{l}*S^{G}(G,\rho )]+\partial _{v}^{l}}$

7

هنا، يتم عرض قاعدة تحديث مسارات الالتفاف حيث يتم التعبير عن مسار الالتفاف القياسي على النحو التالي:

${\displaystyle S_{l+1}^{b}(v,\rho )=\lambda [S_{l}(\chi ,\rho )*\delta (\rho )+S_{l}(\xi ,\rho )*[1-\delta (\rho )]]}$

8

أين،${\displaystyle \lambda }$يشير إلى رقم عشوائي، ${\displaystyle \chi }$يرمز إلى رقم عشوائي بين 1 و${\displaystyle P}$،${\displaystyle \xi }$حدد رقمًا عشوائيًا يتراوح بين 1 و${\displaystyle P}$و${\displaystyle \delta }$يمثل رقمًا عشوائيًا بين 0 و 1.

بعد تنفيذ عملية التحديث، يتم حساب معدل النجاح مع الأخذ في الاعتبار كل راكب.

يُعدّ تحديث بيانات الراكب أمراً بالغ الأهمية لاكتشاف حل فعّال. علاوة على ذلك، يتم تحديث زاوية التوجيه والتروس باستخدام عداد النشاط، ويتم تحديثها أيضاً باستخدام معدل النجاح.

يتم تكرار الإجراء بشكل متكرر حتى${\displaystyle L_{OFF}}$حيث يتم تحديد المتصدر. وبعد انتهاء السباق، يُعتبر المتسابق المتصدر هو الفائز.

خوارزمية تحسين وضعية الراكب هي المدخلات: موضع راكب عشوائي${\displaystyle S_{l}}$، التكرار${\displaystyle l}$، أقصى عدد من التكرارات${\displaystyle L}$الناتج : المتسابق الرئيسي${\displaystyle S^{G}}$ تهيئة مجموعة الحلول قم بتهيئة المعلمات الأخرى للراكب. أوجد معدل النجاح باستخدام المعادلة ( 4 ) بينما${\displaystyle l<L_{OFF}}$ل${\displaystyle v=1toP}$ قم بتحديث موضع التابع باستخدام المعادلة ( 5 ) تحديث موقع المتجاوز باستخدام المعادلة ( 6 ) تحديث موقع المهاجم باستخدام المعادلة ( 7 ) قم بتحديث موضع راكب التجاوز باستخدام المعادلة ( 8 ) رتب الدراجين بناءً على معدل النجاح باستخدام المعادلة ( 4 ) اختر السائق ذو نسبة النجاح العالية تحديث معلمات الراكب يعود${\displaystyle S^{G}}$${\displaystyle l=l+1}$