نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

8 اردیبهشت 1403 11:36 ق.ظ

الگوریتم کلونی زنبورهای مصنوعی برای پیش‌بینی تصادفات جاده‌ای

16 ژوئن 2023 -توسط دیوید بردلی، Inderscience-اعتبار: Unsplash/CC0 دامنه عمومی

محققان مدل جدیدی از هوش مصنوعی (AI) ایجاد کرده‌اند که الگوریتمی را بر اساس رفتار جستجوی و جستجوی کلنی‌های زنبور عسل با یک شبکه عصبی موجک فازی ترکیب می‌کند تا تصادفات ترافیکی جاده‌ای را به‌طور دقیق پیش‌بینی کند.

الگوریتم کلونی زنبورهای مصنوعی یک الگوریتم هوش ازدحام است که در گذشته برای حل مسائل پیچیده بهینه سازی استفاده شده است. اکنون، ژیچنگ لی از دپارتمان ترانزیت ریلی شهری و مهندسی اطلاعات در کالج فنی و حرفه‌ای ارتباطات آنهویی در هفی، چین، در مجله بین‌المللی علوم و ریاضیات محاسباتی نوشت، عملیات جهش خود تطبیقی را برای غلبه بر محدودیت‌های شناخته شده الگوریتم معرفی کرده است . استفاده از شبکه عصبی موجک فازی زمان مورد نیاز برای حل یک مشکل را کاهش می دهد و مهارت های جستجوی آن را برای یافتن راه حل بهبود می بخشد.

الگوریتم کلونی زنبورهای مصنوعی از زنبورهای کارگر، زنبورهای تماشاگر و زنبورهای پیشاهنگ تشکیل شده است. زنبورهای کارگر راه حل ها را بر اساس قوانین خاص بررسی می کنند، در حالی که تماشاگران با استفاده از اطلاعات به اشتراک گذاشته شده توسط کارگران راه حل های امیدوارکننده را انتخاب می کنند. پیشاهنگان راه حل های تصادفی جدیدی را برای تقویت تنوع راه حل های ممکن در پردازش داده ها معرفی می کنند.

از طریق یک فرآیند تکراری، الگوریتم به سمت یک راه حل بهینه یا نزدیک به بهینه برای مشکل همگرا می شود، در این مورد ماهیت تصادفات جاده ای. شبکه عصبی موجک فازی از منطق فازی و ابزارهای آماری مختلف در یک شبکه عصبی معمولی برای رسیدگی به عدم قطعیت و عدم دقت در داده ها استفاده می کند.

لی شبیه‌سازی‌های رایانه‌ای را با این سیستم انجام داده است تا ببیند چگونه می‌تواند تلفات تصادفات رانندگی جاده‌ای را بر اساس عوامل مختلف مرتبط با یک حادثه خاص پیش‌بینی کند.

لی می‌نویسد: «شبیه‌سازی‌های رایانه‌ای نشان می‌دهند که این روش پیش‌بینی به‌طور کامل از توانایی تقریب غیرخطی مدل شبکه عصبی موجک بهره‌برداری می‌کند، به طور موثر سرعت هم‌گرایی و کارایی آموزش را بهبود می‌بخشد و پیچیدگی محاسباتی را کاهش می‌دهد».

این کار این پتانسیل را دارد که توانایی ما را برای پیش‌بینی و پیشگیری از تصادفات رانندگی مرگبار با اجازه دادن به منابع محدود برای تخصیص مفیدتر اقدامات پیشگیرانه و استراتژی‌های ایمنی جاده، بهبود بخشد. علاوه بر این، پیامدهایی برای ورود وسایل نقلیه بدون راننده به جاده‌های ما وجود دارد.

https://techxplore.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *