ارزیابی عملکرد و کارایی الگوریتمهای فراابتکاری با استفاده از توابع محک بهینه سازی

در این پژوهش ۱۵ الگوریتم فراابتکاری با استفاده از ۸ تابع محک استاندارد مقایسه شده اند و نقاط قوت و ضعف هر یک در مواجهه با مسائل پیچیده و چندهدفه بهینه سازی مورد بررسی و تحلیل قرار گرفته است. ارزیابیها نشان میدهند که عملکرد الگوریتمها در مواجهه با توابع مختلف بهینه سازی متغیر است. برای نمونه الگوریتمهای مبتنی بر ازدحام ذرات در برخی مسائل سرعت بالاتری دارند در حالی که الگوریتمهای مبتنی بر تکامل جمعی در موارد دیگر دقت بیشتری ارائه میدهند علاوه بر این عوامل موثری مانند مطالعه ای که بر روی آن متمرکز شده است الگوریتم بادبادک سیاه را ارائه میکند که در آن استراتژیهایی مانند جهش کوشی و استراتژی رهبر ادغام شده اند که قابلیت جستجوی جهانی و سرعت همگرایی را بسیار افزایش میدهد الگوریتم الهام گرفته از آبفشان پرده برداری شده است که با استفاده از دینامیک طبیعی آبفشانها به روشی خلاقانه عملکرد الگوریتمی بهینه ای را ایجاد میکند. مقاله دیگری در مورد تعداد زیادی از الگوریتمهای فراابتکاری که رفتارهای طبیعی و بیولوژیکی را تقلید میکنند، بحث میکند و کاربرد وسیع آنها را در پرداختن به چالشهای بسیار پیچیده در مهندسی و محاسبات را توضیح میدهد.

کلیدواژه ها:

الگوریتم فراابتکاری ، توابع محک ، بهینه سازی ، عملکرد ، همگرایی