بررسی و مقایسه الگوریتم های الهام گرفته از طبیعت در حل مسائل بهینه سازی: مطالعه موردی توابع Griewank و Bohachevsky

در این پژوهش، عملکرد چهار الگوریتم بهینه سازی الهام گرفته از طبیعت شامل کلونی زنبور عسل، ملخ، وال و کرم شب تاب در حل دو تابع تست استاندارد Griewank و Bohachevsky بررسی شده است. این دو تابع به دلیل ویژگی های غیرخطی و چالش های مربوط به بهینه سازی، انتخاب شده اند. آزمایش ها با ۲۰۰ تکرار و جمعیت ۵۰۰ عضوی برای هر الگوریتم انجام شده و بهترین مقدار به دست آمده برای هر تابع ثبت گردیده است. نتایج نشان داد که الگوریتم کرم شب تاب بهترین عملکرد را در تابع Griewank داشته و مقدار بسیار نزدیکی به مقدار بهینه مطلق را ارائه کرده است. در مقابل، الگوریتم وال در توابع Bohachevsky عملکرد برتری از خود نشان داده و به مقدار بهینه جهانی صفر همگرا شده است. الگوریتم مل عملکردی متعادل در هر دو تابع از خود نشان داد، در حالی که الگوریتم کلونی زنبور عسل در این آزمایش ها ضعیف ترین عملکرد را داشت. این نتایج نشان می دهد که بسته به ماهیت مسئله و پیچیدگی فضای جستجو، انتخاب الگوریتم بهینه سازی می تواند تاثیر قابل توجهی در دقت و کارایی حل مسئله داشته باشد. در نهایت، پیشنهاد شده است که در پژوهش های آینده ترکیب الگوریتم های مختلف، تنظیم بهینه پارامترها، بررسی عملکرد در مسائل بهینه سازی چند هدفه و افزایش ابعاد مسئله مورد مطالعه قرار گیرد. نتایج این پژوهش می تواند راهنمای مفیدی برای انتخاب مناسب ترین الگوریتم در مسائل بهینه سازی پیچیده باشد.

کلیدواژه ها:

بهینه سازی ، الگوریتم های الهام گرفته از طبیعت ، الگوریتم زنبور عسل ، الگوریتم مل ، الگوریتم کرم شب تاب ، الگوریتم وال