مروری بر بهینه سازی گرگ خاکستری و نسخه بهبود یافته آن برای حل مسائل مهندسی

الگوریتم های فراابتکاری نقش مهمی در حل مسائل پیچیده و غیرخطی در علوم مهندسی ایفا می کنند. الگوریتم بهینه سازی گرگ خاکستری (GWO) یکی از موثرترین الگوریتم ها در این حوزه است که از رفتار اجتماعی و استراتژی های شکار گرگ های خاکستری الهام گرفته شده است. وین مقاله به بررسی GWO و نسخه بهبود یافته آن (I-GWO) می پردازد که شامل استراتژی های نوآورانه ای مانند جهش بعدی است. علاوه بر برجسته کردن نقاط قوت و ضعف این الگوریتم ها، ایده ای نوین برای بهبود بیشتر ارائه می شود که می تواند دقت و کارایی را در مسائل چندبعدی بهبود بخشد. الگوریتم های بهینه سازی به عنوان ابزارهای اساسی برای حل مسائل پیچیده در حوزه های مختلف مهندسی شناخته شده اند. GWO با ساختار ساده و رویکرد الهام گرفته از طبیعت، در زمینه هایی مانند بهینه سازی سازه، طراحی مخازن و مدیریت منابع موفق عمل کرده است. با این حال، چالش هایی مانند گیر افتادن در بهینه های محلی و کاهش تنوع جمعیت بر نیاز به نسخه های بهبود یافته ای مانند I-GWO تاکید دارند. این مقاله نوآوری جدیدی را برای پیشرفت بیشتر این الگوریتم معرفی می کند و همچنین به بررسی پتانسیل های آینده در بهبود و کاربردهای آن می پردازد.

کلیدواژه ها:

الگوریتم بهینه سازی گرگ خاکستری ، فراابتکاری ، طراحی سازه ، استراتژی جستجوی ابعادی ، مسائل مهندسی