روشی نو در بهینه سازی مسائل عددی با استفاده از الگوریتم بهینه سازی آشوبناک موازی و الگوریتم جستجوی گرانشی آشوبناک

الگوریتمهای بهینه سازی آشوبناک (COA) از نگاشتهای آشوب برای تولید دنباله های شبه-تصادفی استفاده می نمایند.این دنباله های شبه تصادفی بر روی فضای جستجو برای کاربردهای بهینه سازی سراسری نگاشت میشوند و جستجویمتنوع را ایجاد می نمایند. از آنجایی که حرکت آشوب، شبه-تصادفی است و دنباله های آشوب به شرایط اولیه حساسهستند بنابراین توانایی جستجوی الگوریتم بهینه سازی به نقطه شروع وابسته است. برای غلبه برضعف، الگوریتم بهینه-سازی آشوب موازی (PCOA) ارائه شده است که محدودیت آن ضعف در یافتن جوابهای محلی است. برای حل این مشکل در روش پیشنهادی ،الگوریتم جستجوی گرانشی آشوب (CGSA) را با PCOA ترکیب نمودیم تا یک الگوریتم ترکیبی جدید را شکل دهیم. نتایج شبیه سازی نشان میدهد که روش پیشنهادی بهتر از سایر روشها عمل می نماید.