الگوریتم جستجوی هارمونی (Harmony Search - HS)، در ریاضیات (Mathematics)
انواع روش های بهینه سازی (Optimization Methods) را در آموزش زیر شرح دادیم :
الگوریتم جستجوی هارمونی (Harmony Search - HS) :
📌 معرفی
الگوریتم جستجوی هارمونی (Harmony Search - HS) توسط گئم و همکاران در سال ۲۰۰۱ معرفی شد. این الگوریتم از فرآیند بداهه نوازی (Improvisation) نوازندگان موسیقی برای یافتن بهترین هارمونی (ملودی دلنشین) الهام گرفته است.
🎵 ایده اصلی
در موسیقی، نوازندگان سعی می کنند با تنظیم نت ها، بهترین هارمونی را پیدا کنند. این فرآیند مشابه جستجوی جواب بهینه در یک فضای جواب است. هر جواب (هارمونی) یک بردار از متغیرها (نت ها) است و کیفیت آن توسط تابع هدف (زیبایی هارمونی) سنجیده می شود.
🔧 اجزای الگوریتم
حافظه هارمونی (Harmony Memory - HM): مجموعه ای از بهترین هارمونی های یافت شده.
نرخ در نظر گرفتن حافظه (Harmony Memory Considering Rate - HMCR): احتمال انتخاب یک مقدار از HM.
نرخ تنظیم زیرواحدی (Pitch Adjustment Rate - PAR): احتمال تنظیم مقدار انتخاب شده.
تصادفی سازی (Randomization): انتخاب تصادفی از محدوده مجاز.
📐 فرآیند بداهه نوازی
برای تولید یک هارمونی جدید، برای هر نت (متغیر):
با احتمال HMCR، یک مقدار از HM انتخاب کن.
سپس اگر مقدار از HM انتخاب شد، با احتمال PAR آن را تنظیم کن (مثلا با اضافه کردن یک مقدار کوچک).
با احتمال (1-HMCR)، یک مقدار تصادفی از محدوده انتخاب کن.
هارمونی جدید اگر بهتر از بدترین هارمونی در HM باشد، جایگزین آن می شود.
