الگوریتم جستجوی هارمونی مبتنی بر بهینه ساز تعادل با حوزه های دینامیک غیرخطی و کاربرد آن در مسائل بهینه سازی دنیای واقعی

الگوریتم جستجوی هارمونی (Harmony Search: HS) یکی از روش های فراابتکاری الهام گرفته از فرآیند بداهه نوازی موسیقی است که طی دو دهه اخیر در حل طیف گسترده ای از مسائل بهینه سازی مهندسی و علمی به کار گرفته شده است. با وجود سادگی ساختار و قابلیت پیاده سازی آسان، نسخه استاندارد HS در مواجهه با مسائل پیچیده، به ویژه در ابعاد بالا، با چالش هایی نظیر همگرایی زودهنگام، گرفتار شدن در بهینه های محلی و کاهش دقت نهایی مواجه می شود. در این پژوهش، نسخه ای بهبود یافته از HS با عنوان «الگوریتم جستجوی هارمونی مبتنی بر بهینه ساز تعادلی همراه با حوزه های دینامیک غیرخطی» (NDD-HS-EO) ارائه می شود. در روش پیشنهادی، استراتژی به روزرسانی هدایت شده الگوریتم بهینه ساز تعادلی (Equilibrium Optimizer: EO) با ساختار حافظه هارمونی ترکیب شده و مفاهیمی نظیر استخر تعادلی، حافظه هارمونی تاریخی و دامنه همگرایی دینامیک غیرخطی به آن افزوده شده است. همچنین پارامترهای کلیدی HS شامل HMCR، PAR و BW به صورت تطبیقی تنظیم می شوند تا تعادل موثری میان اکتشاف و بهره برداری برقرار گردد. ارزیابی تجربی بر روی مجموعه توابع استاندارد ۲۰۱۷CEC در ابعاد مختلف و نیز ۱۵ مسئله واقعی مجموعه ۲۰۲۰CEC نشان می دهد که NDD-HS-EO از نظر پایداری، سرعت همگرایی و دقت بهینه سازی عملکردی برتر نسبت به نسخه های کلاسیک HS، گونه های بهبود یافته آن و چندین الگوریتم شناخته شده دیگر ارائه می دهد.

کلیدواژه ها:

الگوریتم جستجوی هارمونی ، بهینه ساز تعادلی ، دامنه دینامیک غیرخطی ، بهینه سازی عددی ، فراابتکاری ترکیبی ، CEC۲۰۱۷