مروری جامع بر الگوریتم جست وجوی سنجاب و نسخه های بهبودیافته و ترکیبی آن

الگوریتم جست وجوی سنجاب یکی از الگوریتم های بهینه سازی فراابتکاری است که با الهام از رفتار طبیعی سنجاب های پرنده در جست وجوی منابع غذایی طراحی شده است. این الگوریتم با شبیه سازی حرکت سنجاب ها بین درختان مختلف و استفاده از سر خوردن کنترل شده در هوا بدون بال زدن، فرآیند جست وجو در فضای جست وجو را مدل سازی می کند. الگوریتم جست وجوی سنجاب به دلیل ساختار نسبتا ساده و توانایی مناسب در حل مسائل غیرخطی و پیچیده، در سال های اخیر مورد توجه پژوهشگران قرار گرفته است. با این حال، نسخه پایه این الگوریتم در برخی کاربردها با چالش هایی نظیر همگرایی کند و گیر افتادن در بهینه های محلی مواجه است. در پاسخ به این محدودیت ها، پژوهش های متعددی به توسعه نسخه های بهبودیافته و ترکیبی الگوریتم جست وجوی سنجاب پرداخته اند که در آن ها از راهکارهایی نظیر جهش تطبیقی، مفاهیم الهام گرفته از محاسبات کوانتومی و ترکیب با سایر الگوریتم های فراابتکاری یا روش های یادگیری ماشین برای بهبود عملکرد استفاده شده است. این مقاله یک مطالعه مروری است که با تمرکز بر مقالات معتبر منتشرشده از سال ۲۰۲۲ به بعد، به بررسی جامع الگوریتم جست وجوی سنجاب، نسخه های بهبودیافته، روش های ترکیبی و حوزه های کاربردی آن می پردازد. در این راستا، کاربردهای این الگوریتم در حوزه هایی نظیر خوشه بندی شبکه های حسگر بی سیم، انتخاب ویژگی در مسائل پزشکی، بهینه سازی سامانه های انرژی فتوولتائیک و مسائل مالی چندهدفه مورد تحلیل و مقایسه قرار گرفته و نتایج نشان می دهد که نسخه های بهبودیافته و ترکیبی الگوریتم جست وجوی سنجاب در بسیاری از کاربردها عملکرد رقابتی تر و پایدارتری نسبت به نسخه پایه ارائه می دهند.

کلیدواژه ها:

الگوریتم جست وجوی سنجاب ، بهینه سازی فراابتکاری ، الگوریتم های ترکیبی ، مسائل بهینه سازی