الهام خسروی ثانی - گروه هوش مصنوعی، واحد مشهد، دانشگاه آزاد اسلامی واحد مشهد، ایران
سیدجواد سید مهدوی چابک - گروه هوش مصنوعی، واحد مشهد، دانشگاه آزاد اسلامی واحد مشهد، ایران

الگوریتم – runner-root ، یک الگوریتم بهینه سازی فراابتکاری جدید می باشد که برای حل مسایل بهینه سازی پیچیده بسیار مفید می باشد. این الگوریتم از گیاهانی از قبیل توت فرنگی و گیاه عنکبوتی الهام گرفته شده است که سرعت همگرایی و دقت بیاییی در حیل مسایل تک گانه و چندگانه و دستیابی به نقطه بهینه سراسری دارد. در این مقاله برای ایجاد توازن بین اکتشاف و استخراج عامل ها، یک روش برایتطبیق پویای پارامترها در الگوریتم بهینه سازی فرا ابتکاری runner-root ارایه شده است. همچنین الگوریتم فراابتکاری runner-root با الگوریتم حداقل جمعیت جستجو ترکیب شده است که در آن با استفاده از بردارهای متعامد، فضای جستجوی مسیله را به طور کامل پوشش می دهیم. در این مقاله، ما برای بهبود همگرایی و حیظ تنوع جمعیت در حین فرآیند جستجو، از قوانین فازی برای کنترل پارامترهای کلیدی الگوریتمrunner-root استیاده می کنیم تا به بهترین انطباق پویای ممکن مقدار این پارامترها برسیم. کارایی الگوریتم پیشنهادی توسط توابع ریاضی پایه CEC’2005 استاندارد که شامل مسایل تک گانه و چندگانه می باشد، ارزیابی می شود و نتایج با الگوریتم runner-root مقایسه می شود. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی دارای دقت و سرعت همگرایی بالاتری نسبت به الگوریتم runner-root می باشد و توانایی الگوریتم در رسیدن به بهینه سراسری مسیله، افزایش یافته است.

الگوریتم بهینه سازی فراابتکاری، runner-root، الگوریتم حداقل جمعیت جستجو، بردارهای متعامد، تطبیق پویای پارامتر، منطق فازی