مروری برالگوریتم غاز وحشی: یک الگوریتم جدید برای بهینه سازی در مقیاس بزرگ بر اساس زندگی طبیعی غازهای وحشی

در بسیاری از مسائل کاربردی دنیای واقعی، الگوریتم های جستجوی الهام گرفته از طبیعت برای حل مسائل بهینه سازی عددی مورد استفاده قرار گرفته اند. این مقاله یک الگوریتم جدید و کارآمد به نام "لگوریتم غاز وحشی(WGA)" را معرفی می کند که برای بهینه سازی جهانی در مقیاس بزرگ طراحی شده است. این الگوریتم با الهام از رفتارهای طبیعی غازهای وحشی، فرآیندهای مهاجرت گروهی، تکامل تدریجی و پویایی بقا را شبیه سازی می کند. برای ارزیابی کارایی WGA، آزمایش هایی روی مجموعه ای از توابع محک استاندارد IEEE CEC ۲۰۰۸ و CEC ۲۰۱۰ با ابعاد بالا (۱۰۰، ۵۰۰ و ۱۰۰۰ متغیر) انجام شده است. نتایج نشان می دهد که این الگوریتم، توانایی بالایی در یافتن بهترین جواب های ممکن در مسائل بهینه سازی پیچیده دارد و در مقایسه با بسیاری از الگوریتم های معروف دیگر، عملکرد بهتری ارائه می دهد. ویژگی های کلیدی WGA شامل سادگی در پیاده سازی، کارایی بالا و توانایی حل مسائل پیچیده با هزینه محاسباتی کم است. مقایسه های انجام شده با سایر روش های بهینه سازی نشان می دهد که این الگوریتم می تواند راهکاری قدرتمند و رقابتی برای حل مسائل بزرگ و پیچیده ارائه دهد. همچنین، کد منبع این الگوریتم به صورت رایگان و متن باز در GitHub منتشر شده و در دسترس علاقه مندان قرار دارد. این مطالعه نشان می دهد که WGA می تواند برای کاربردهای متنوعی مانند بهینه سازی سیستم های مهندسی، برنامه ریزی، مسیریابی در شبکه های پیچیده و سایر مسائل مرتبط با تصمیم گیری در مقیاس بزرگ مورد استفاده قرار گیرد.

کلیدواژه ها:

بهینه سازی در مقیاس بزرگ ، الگوریتم غاز وحشی ، الگوریتم های الهام گرفته از طبیعت مهاجرت گروهی غازها ، جستجوی جمعی و تکامل