ارائه یک استراتژی یادگیری جدید برای بهبود الگوریتم بهینه سازی هوش جمعی گربه ها در محیط های ایستا

الگوریتم های مبتنی بر الگوریتم بهینه سازی هوش جمعی گربه ها که تاکنون پیشنهاد شده اند استراتژی یادگیری جایگزین برای گربه ها در زمان برازندگیشان در طول فرآیند جستجو ارائه نکرده اند. به منظور ارائه استراتژی یادگیری جدید، در این مقاله، ابتدا الگوریتم بهینه سازی مبتنی بر تدریس - یادگیری (TLBO) بهبود داده شده و سپس الگوریتم ترکیبی جدیدی پیشنهاد می شود. الگوریتم پیشنهادی از ترکیب الگوریتم بهینه سازی مبتنی بر تدریس - یادگیری (TLBO) بهبود یافته و الگوریتم CSO برای بهینه سازی در محیط های ایستا بدست می آید. به همین دلیل، الگوریتم پیشنهادی را ETeach CSO می نامیم. عملکرد الگوریتم ETeach CSO به همراه چندین الگوریتم PSO شناخته شده، نسخه باینری الگوریتم بهینه سازی هوش جمعی گربه ها و الگوریتم TLBO در فضای 30 بعدی بر روی پنج تابع محک آزمایش شده اند. نتایج آزمایشات نشان می دهند که الگوریتم ETeach CSO از کارایی بسیار مناسبی برخوردار است.

کلیدواژه ها:

الگوریتم بهینه سازی هوش جمعی گربه ها ، الگوریتم بهینه سازی مبتنی بر تدریس - یادگیری ، بهینه سازی