fa الگوریتم بهینه یابی جفت گیری زنبورهای عسل ( HBMO ) در حل مسائل بهینه سازی پژوهشي Research <p align="right"> <strong> </strong>در دهه ­ های اخیر، روشهای تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه سازی در حوزه ­ های مختلفی مانند علوم، تجارت و مهندسی مورد استفاده قرار گرفته­اند. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک به بهینه مطلق از جمله دلایل موفقیت این روشها می باشد. فرآیند جفت گیری زنبورهای عسل نیز به عنوان یک روش بهینه­سازی بر پایه رفتار حشرات، می­تواند مورد توجه قرار گیرد. در این الگوریتم، فرآیند بهینه­سازی نشات گرفته از رفتار زنبورهای واقعی در جفت گیری و تولید مثل می­باشد. در این مقاله الگوریتم بهینه سازی جفت گیری در زنبورهای عسل در سه مثال شناخته شده ریاضی به کارگرفته شده است. جهت آزمایش قابلیت الگوریتم این سه مثال از مسائل شناخته شده ریاضی مقید و نا مقید و با متغیرهای پیوسته و با انواع پیچیدگی­های موجود در مسائل بهینه سازی انتخاب شده اند. الگوریتم با تعداد قابل قبولی از پروازهای جفت گیری نتایج مناسب و نزدیک به بهینه مطلق ارائه می نماید. همچنین جهت نمایش کارآیی الگوریتم در حل این مسائل، نتایج حاصل با یک الگوریتم ژنتیک همراه با نخبه گرائی نیز مقایسه گردیده است. با وجود اینکه این الگوریتم در مراحل مقدماتی توسعه قرار دارد، اما نتایج حاصل بیانگر برابری نمودن و یا حتی برتری نتایج الگوریتم حاضر با نتایج حاصل از روش الگوریتم ژنتیک می­باشد. مثال آخر نیز یک مسئله در دنیای واقعی و در رسته مهندسی آب است که مسئله بهره­برداری بهینه از مخزن را شامل می­شود. مدل توسعه یافته در یک مخزن با 60 دوره بهره برداری و با تابع هدف حداقل نمودن مجموع مجذور اختلاف رهاسازی از نیاز به کار گرفته شده است. نتایج حاصل گویای نتایج قابل قبول این الگوریتم با جواب بهینه مطلق این مسئله که از روش برنامه ریزی غیر خطی حاصل شده است می­باشد. </p><p> <strong> </strong></p> <p></p><table cellspacing="0" cellpadding="0" border="0"><tbody><tr><td valign="top" width="180"></td><td valign="top" width="192"></td><td valign="top" width="180"></td></tr></tbody></table><p><font face="times new roman,times,serif"><font size="2"> Over the last decade, evolutionary and meta-heuristic algorithms have been extensively used as search and optimization tools in various problem domains, including science, commerce, and engineering. Ease of use and broad applicability may be considered as the primary reasons for their success. The honey-bee mating process has been considered as a typical swarm-based approach to optimization, in which the search algorithm is inspired by the process of real honey-bee mating. In this paper, the honey-bee mating optimization (HBMO) algorithm is applied to three well-known mathematical problems. To demonstrate the efficiency of the algorithm, these three problems are chosen from well-known constraint and unconstraint mathematical problems with continuous decision and state variables having all the complexities of optimization problems. The proposed HBMO algorithm results in a feasible, near-optimal solution in an acceptable number of mating flights. To emphasize the capability of the developed algorithm in handling these problems, results are compared with those of a well-developed genetic algorithm (GA). Although the HBMO algorithm is at the early stages of development the results obtained by the present algorithm are if not better but surly equally convenient to those employing genetic algorithms. A real-world water resources problem, in the field of water resources management is selected as a case study. The developed model is applied to a reservoir with 60 operational periods with the objective function of minimizing the root mean square error of release and demand. The results show that in this problem the algorithm arrives at the global optimum which is gained by non-linear programming. </font></font></p><p><font face="times new roman,times,serif">  The results are promising and the algorithm arrives at the global optimum which is gained by non-linear programming.</font> </p> الگوریتم بهینه یابی جفت گیری زنبورهای عسل، الگوریتم ژنتیک، مسائل شناخته شده ریاضی، بهره برداری بهینه از مخازن سدها. 99 112 http://ijiepm.iust.ac.ir/browse.php?a_code=A-10-1-24&slc_lang=fa&sid=1 Omid Bozorg Haddad haddad@ut.ac.ir 18003194753284600653 18003194753284600653 No Abbas Afshar a_afshar@iust.ac.ir 18003194753284600654 18003194753284600654 Yes H. Afshar mhafshar@iust.ac.ir 18003194753284600655 18003194753284600655 No