بررسی جامع الگوریتم بهینه ساز پنگوئن امپراتور

الگوریتم های فراابتکاری ، به عنوان رویکردی هوشمند برای حل مسائل بهینه سازی ، از الگوریتم های تکاملی ، مبتنی بر انسان، مبتنی بر فیزیک و هوش ازدحامی تشکیل شده است ، در میان این الگوریتم ها، Emperor Penguin Optimizer (EPO) یک الگوریتم فراابتکاری خاص است که پس از مشاهده رفتار پنگوئن های امپراتور در زمستانهای سرد ایجاد شده است و برای حل مسائل بهینه سازی به کار می رود . در این مطالعه ، با تمرکز بر روی EPO ، در طول زمان از اختراع آن در سال ۲۰۱۸ تا سال ۲۰۲۲، گونه های مختلف این الگوریتم ها را بررسی می کند و به پیشرفت های این حوزه می پردازد . در این مطالعه ، نتیجه گیری مهم آن است که EPO یک تکنیک موثر و ثابت شده برای حل مسائل بهینه سازی است که محاسن و معایب آن نیز بررسی شده است . این مطالعه به سوالات مربوط به اثربخشی الگوریتم های فراابتکاری ، به ویژهEPO ، پاسخ می دهد و می تواند به بازتاب پیشرفت تحقیقات آینده در این حوزه کمک کند. همچنین ، محققان و کاربران EPO می توانند از یافته های این مطالعه برای تقویت مفاهیم فعلی و کاربردهای الگوریتم های پیشرفته در آینده استفاده کنند.

کلیدواژه ها:

الگوریتم های فراابتکاری ، بهینه ساز پنگوئن امپراطور ، انواعEPO ، الگوریتم های بهینه سازی ، هوش جمعی