روش تصادفی و مارپیجی در جستجو شبیه به رفتار موجوداتی مانند مگس، زنبور یا حتی حرکت دود، موج یا گاز در طبیعت است که مسیر مشخصی ندارند اما بهطور طبیعی به سمت هدف یا منبع جذب میشوند. این نوع جستجو در الگوریتمهای فراابتکاری برای فرار از بهینههای محلی و کشف نواحی جدید بسیار کاربرد دارد.
🌀 ویژگیهای روش تصادفی و مارپیجی در جستجو
حرکت غیرخطی و نامنظم:
مسیر جستجوگر بهصورت منحنی، چرخشی یا مارپیچ است و از الگوهای مستقیم پیروی نمیکند.پراکندگی بالا:
این روش باعث میشود فضای جستجو بهطور گستردهتری بررسی شود.فرار از بهینههای محلی:
با پرشهای غیرمنتظره، احتمال گیر افتادن در نقاط ضعیف کاهش مییابد.الهام از طبیعت:
شبیه رفتار مگسها، دود، موجهای آب، یا حتی حرکت ذرات در گاز.
📘 الگوریتمهایی با رفتار مشابه
الگوریتمشباهت به حرکت مارپیچی و تصادفی
Particle Swarm Optimization (PSO)حرکت ذرات با سرعت و جهت تصادفی
Firefly Algorithmجذب نور با مسیرهای منحنی و تصادفی
Bat Algorithmپرواز با پژواک و تغییرات ناگهانی مسیر
Whale Optimization Algorithmحرکت مارپیچی نهنگها هنگام شکار
Simulated Annealingپرشهای تصادفی با کاهش تدریجی دما
🎯 کاربردهای این روش
- بهینهسازی توابع پیچیده
- یادگیری ماشین و شبکههای عصبی
- طراحی مهندسی
- مسائل ترکیبیاتی مانند فروشنده دورهگرد
اگر بخواهی، میتوانم یک الگوریتم فرضی با حرکت مارپیچی و تصادفی طراحی کنم یا آن را در قالب کد پایتون پیادهسازی کنم. دوست داری کدام مسیر را ادامه دهیم؟
منابع:
1†الگوریتم جستجوی هارمونی
2†فرادرس – الگوریتمهای جستجو در هوش مصنوعی
3†ویکیپدیا – جستجوی محلی