یک الگوریتم هوش جمعی جدید با نام «الگوریتم کلونی زنبور عسل گسسته چندهدفه»، با تقلید از رفتار هوشمندانه زنبورهای عسل در یافتن شهد توسط محققان دانشگاه تهران طراحی شد.
به گزارش خبرگزاری سینا، محققان دانشکدگان فنی دانشگاه تهران، الگوریتم هوش جمعی جدید با نام «الگوریتم کلونی زنبور عسل گسسته چندهدفه» (Multi-objective Discrete Artificial Bee Colony – MDABC) طراحی کردند که با تقلید از رفتار هوشمندانه زنبورهای عسل در یافتن شهد، به دنبال بهترین جواب ممکن می‌شود.
سید فرشید چینی، عضو هیأت علمی دانشکده مهندسی مکانیک دانشکدگان فنی، با اعلام این مطلب گفت: با توسعه این الگوریتم پیشرفته به نام «MDABC»، موفق به بهبود زمانبندی وسایل نقلیه هدایت‌شونده خودکار (AGV) در کارخانه‌های هوشمند شده‌اند. این الگوریتم نه تنها هزینه‌های عملیاتی و آلایندگی کربنی را کاهش می‌دهد، بلکه برای اولین‌بار به طور همزمان به حداکثرسازی «رضایت مشتری» نیز می‌پردازد.
عضو هیأت علمی دانشکده مهندسی مکانیک افزود: با گسترش صنعت هوشمند، استفاده از ربات‌های حمل‌ونقل خودران یا (AGVs) در سالن‌های تولید به امری متداول تبدیل شده است. تاکنون، الگوریتم‌های زمانبندی این ربات‌ها عمدتاً بر کم‌کردن هزینه حمل‌ونقل (مانند کم کردن مسافت طی شده) متمرکز بودند، اما پژوهش جدید این نگاه را تأیید نمی‌کند.
وی با اشاره به این خلأ گفت: در این پژوهش یک مدل ریاضی پیشرفته ارائه کرده‌ایم که محدودیت‌های واقعی کارخانه، از جمله زمان تحویل دقیق مواد و ظرفیت بارگیری ربات‌ها را در نظر می‌گیرد.
چینی نوآوری اصلی این مدل را در نظرگرفتن دو هدف مهم و گاه متضاد به صورت همزمان عنوان کرد: کاهش انتشار کربن (با بهینه سازی مسیرها و عملیات) و افزایش رضایت مشتری (با تحویل به موقع مواد به خطوط تولید و جلوگیری از توقف آنها).
محقق دانشگاه تهران اظهار داشت: برای حل این مدل پیچیده، یک الگوریتم هوش جمعی جدید با نام «الگوریتم کلونی زنبور عسل گسسته چندهدفه» (Multi-objective Discrete Artificial Bee Colony – MDABC) طراحی شده است. این الگوریتم با تقلید از رفتار هوشمندانه زنبورهای عسل در یافتن شهد، به دنبال بهترین جواب ممکن می‌شود.
به کارگیری این فناوری می‌تواند گامی مهم به سوی تحقق کارخانه‌های هوشمندتر، سبزتر و کارآمدتر باشد. برای مطالعه بیشتر اینجا کلیک کنید.