بهبود الگوریتم فرا ابتکاری پافین قطبی مبتنی بر نگاشت آشوب

الگوریتم پافین قطبی که در سال ۲۰۲۴ معرفی شده، با الهام از رفتار شکار این پرنده در محیط های هوایی و دریایی طراحی شده و از مفاهیم هوش جمعی برای مدل سازی حرکت گروهی پافین ها استفاده می کند. این الگوریتم با بهره گیری از استراتژی های مختلف حرکتی، تلاش می کند تعادل مناسبی میان فرآیندهای اکتشاف و بهره برداری در فضای جستجو ایجاد کند. با این حال، وابستگی برخی از مراحل جستجوی این الگوریتم به فرآیندهای تصادفی می تواند موجب ایجاد تغییرات نامنظم در مسیر حرکت عامل ها، کاهش کنترل تنوع جمعیت و افزایش احتمال همگرایی زودهنگام شود.در این پژوهش، یک نسخه بهبودیافته از الگوریتم پافین قطبی با عنوان الگوریتم پافین قطبی آشوبی ارائه شده است که در آن از نگاشت آشوبی لجستیک به منظور بهبود کیفیت تولید مقادیر هدایت کننده جستجو و ارتقای رفتار حرکتی عامل ها استفاده می شود. سازوکار پیشنهادی با بهره گیری از ویژگی هایی نظیر غیرخطی بودن و پوشش مناسب فضای جستجو، تلاش می کند تعادل بهتری میان اکتشاف و بهره برداری ایجاد کند.عملکرد الگوریتم پیشنهادی بر روی ۱۲ تابع معیار در ابعاد مختلف ارزیابی شده و با الگوریتم پایه پافین قطبی و چندین الگوریتم فراابتکاری مطرح شامل گرگ خاکستری، بهینه سازی نهنگ، ازدحام سالپ ها و نسخه های آشوبی آن ها مقایسه شده است. نتایج تجربی نشان می دهد که الگوریتم پافین قطبی آشوبی در مقایسه با الگوریتم پایه پافین قطبی موجب بهبود کیفیت پاسخ ها، افزایش پایداری جستجو و رفتار همگرایی مناسب تر شده و در مقایسه با سایر روش های مرجع نیز عملکرد رقابتی ارائه می دهد. همچنین نتایج آزمون های آماری ویلکاکسون و فریدمن نشان داد که تفاوت عملکرد الگوریتم پیشنهادی نسبت به روش پایه الگوریتم پافین قطبی از نظر آماری معنادار است.

کلیدواژه ها:

الگوریتم پافین قطبی ، بهینه سازی آشوبی ، نگاشت لجستیک ، الگوریتم فراابتکاری ، محاسبات تکاملی.