In this paper we present a harmony search (HS) algorithm for solving constraint satisfaction and optimization problems. The Harmony search algorithm is an evolutionary algorithm which mimics musicians’ behaviors such as random play, memory-based play, and pitch-adjusted play when they perform improvisation. The major thrust of this algorithm lies in its ability to integrate exploitation and exploration in a parallel optimization environment. This algorithm results are compared with other algorithms using the well known n-queens problem.

خوارزمية البحث ألتناغمي لحل المشاكل الصعبة آو المقيدة الإرضاءقدمنا في هذا البحث خوارزمية البحث ألتناغمي لحل المشاكل الصعبة آو المقيدة الإرضاء. وهي خوارزمية تطورية تقلد سلوك الموسيقيين من ناحية العشوائية في الأداء المعتمد على الذاكرة في عملية التغيير في النغمات عند القيام بالارتجال في الأداء. الهدف الرئيسي لهذه الخوارزمية يكمن في قدرتها في دمج الاستغلال والاستكشاف في بيئة التحسين. تم تطبيق هذه الخوارزمية لحل مشكلة ( N-queens) ، النتائج التي تم التوصل إليها تم مقارنتها مع نتائج خوارزميات أخرى .

Constraint Satisfaction Problems --- CSP --- Harmony search --- N-queens problem

This research includes construction of combinatorial algorithms for solving the Problem, used Harmony Search algorithm in this research but added the improvement Procedures to increase the Performance of algorithm and speed up access to the optimal solution of the problem, The algorithm consists of two phases, the first phase will improve all the existing solutions in the Harmony Memory use some improvement measures is the property of Crossover existing solutions in the Harmony. Memory use some improvement measures is the property of Crossover used in genetic algorithm and also guided search to reduce the objective function, the second phase will depend on the Procedures of the Harmony search algorithm (HS) but using a new Improvise, The algorithm has proven its efficiency in solving the problem is resolved (15) standard problem from the special library of Quadratic Assignment Problem (QAPLIB), and compare the results with the local search algorithm (LS), Tabu search (TS), Simulated annealing (SA) after solving each problem (25) times and record the results of the algorithm shown open her with total access to the optimal solution (282) of the total (375) repetition of the test as the total reached the local search algorithm (2) Simulated annealing algorithm (117) and Tabu search algorithm is (174).

تضمن هذا البحث الاستفادة من خوارزمية توافقية لحل مسألة التخصيص التربيعية ( Quadratic Assignment problem ) , استعملت خوارزمية البحث المتناغم (Harmony Search) في هذا البحث ولكن بأضافة اجراءات تحسينية لزيادة أدى الخوارزمية وتسريع الوصول الى الحل الامثل للمسألة , الخوارزمية تتكون من مرحلتين المرحلة الاولى تقوم بتحسين جميع الحلول الموجودة في الذاكرة الايقاعية او ذاكرة التناغم (Harmony Memory) بأستعمال بعض الاجراءات المستعملة في الخوارزمية الجينية وهي خاصية التعابر (Crossover) وايضا خاصية البحث الموجة التحسينية في تقليل دالة الهدف,اما المرحلة الثانية فتعتمد على اجراءات خوارزمية البحث المتناغم (HS) ولكن بأستعمال صيغة ارتجال (Improvise) جديدة , الخوارزمية اثبتت كفأتها في حل المسألة وذلك بعد حل (15) مسألة قياسية مأخوذه من المكتبة الخاصة بمسألة التخصيص التربيعية (QAPLIB) ومقارنة النتائج مع خوارزمية البحث المحلي (Local Search) وخوارزمية محاكاة التلدين (Simulated Annealing) وخوارزمية البحث المحرم (Tabu Search) بعد تكرار حل كل مسألة (25) مرة وتسجيل النتائج الخوارزمية اظهرت تفقوها اذ كان عدد مرات وصولها الى الحل الامثل (282) مرة من مجموع (375) تكرار للتجربة بينما كان عدد مرات وصل خوارزمية البحث المحلي (2) اما خوارزمية محاكاة التلدين (117) وخوارزمية البحث المحرم (174).

Quadratic Assignment Problem --- Harmony search algorithm --- combinatorial optimization problem --- Local search --- مسألة التخصيص التربيعية --- خوارزمية البحث المتناغم --- مسائل الامثلية المركبة --- البحث المحلي