TY - JOUR T1 - Performance assessment Bio- Inspired algorithms for solving backpack in the form of objective function minimization. TT - ارزیابی عملکرد الگوریتم‌های شبه بیولوژیکی جهت حل مساله کوله پشتی در قالب تابع هدف مینیمم‌ سازی شده JF - isc-monadi JO - isc-monadi VL - 5 IS - 1 UR - http://monadi.isc.org.ir/article-1-54-fa.html Y1 - 2016 SP - 45 EP - 52 KW - Knapsack Problem KW - Particle Swarm Optimization Algorithm KW - Firefly Algorithm KW - Artificial Bee Colony Algorithm. N2 - در­ریاضیات و علوم رایانه یک مساله بهینه‌سازی، مساله یافتن بهترین راه­حل از میان همه راه­حل‌های ممکن می‌باشد. با توجه به اهمیت مساله کوله‌پشتی درمباحث علوم­رایانه، از الگوریتم‌های مختلفی برای حل آن استفاده شده‌است. مساله کوله‌پشتی یک مساله بهگزینی ترکیبیاتی است که هدف از حل آن یافتن بیشترین سود با در نظر گرفتن ظرفیت کوله‌پشتی است. با توجه به اینکه مساله کوله‌پشتی یک مساله ماکزیمم‌سازی مقید است، دراین­تحقیق ابتدا یک مدل ریاضی در قالب یک تابع مینیمم‌سازی و بدون­قید برای این مساله طراحی شده، سپس این مدل روی الگوریتم‌های بهینه‌سازی توده ذرات، کرم شب‌تاب و کلونی زنبورمصنوعی در محیط نرم­افزار متلب اجرا گردیده که نتایج نشان­می­دهد الگوریتم کلونی زنبورمصنوعی روی مدل ارائه شده نسبت به دو الگوریتم دیگر عملکرد بهتری از خود نشان داده است. مزیت مدل ارائه­شده این­است که تابع هدف مساله، به دلیل اینکه مینیمم‌سازی و بدون­قید مدل شده، قابل پیاده‌سازی با بسیاری­از الگوریتم‌های شبه­بیولوژیکی است. M3 ER -