الگوریتم جستجوی فاخته چندهدفه بهبودیافته مبتنی بر سهم هایپرولوم، عملگر تقاطع نخبگان و نقاط مرجع

بهینه سازی چندهدفه با چالش دستیابی هم زمان به اهداف متضاد و تولید مجموعه ای متعادل از پاسخ های غیرمغلوب همراه است. الگوریتم جستجوی فاخته چندهدفه به عنوان یک روش فراابتکاری الهام گرفته از طبیعت، با استفاده از پرواز لوی و مفهوم سلطه پارتو، توانایی تولید جواب های متنوع و کارآمد را دارد. سادگی ساختار و انعطاف پذیری بالا، این الگوریتم را به گزینه ای مناسب برای مسائل پیچیده تبدیل کرده است. با این حال، مطالعات اخیر نشان می دهد که الگوریتم جستجوی فاخته چندهدفه در حفظ تنوع جمعیت، ایجاد فشار انتخاب موثر و جلوگیری از حذف نواحی مهم در فضای اهداف با محدودیت هایی مواجه است؛ مسائلی که می توانند کیفیت همگرایی و دقت پاسخ ها را کاهش دهند. در این مقاله، ضمن تحلیل نقاط قوت و ضعف الگوریتم جستجوی فاخته چندهدفه، سه رویکرد نوین برای بهبود عملکرد آن بررسی می شود: استفاده از شاخص های ارزیابی پیشرفته برای افزایش تنوع و فشار انتخاب، به کارگیری راهبردهای الیتیسم و عملگرهای ترکیبی برای تقویت همگرایی، و بهره گیری از نقاط مرجع جهت حفظ نواحی ترجیحی در جبهه پارتو. در نهایت، با ادغام این ایده ها، چارچوبی ترکیبی پیشنهاد می شود که بدون پیچیده سازی ساختار اصلی، عملکرد الگوریتم را در مسائل چندهدفه پیچیده به طور معناداری بهبود می بخشد.

کلیدواژه ها:

الگوریتم جستجوی فاخته چندهدفه ، الگوریتم جستجوی فاخته ، سهم هایپرولوم ، باز ترکیب الیت ، عملگر تقاطع بر پایه انتخاب