بهبود عملکرد الگوریتم گروه جوجه مرغ ها

در سال های اخیر، محاسبات تکاملی که رفتار اجتماعی نمونه های بیولوژیکی طبیعی را تقلید می کنند، پیشرفتشگفت انگیزی در علوم کامپیوتر بشمار می آیند و در حل مسایل بهینه سازی نامحدود، روشهای مختلفی از آنمورد استفاده قرار گرفته است. الگوریتم های ممتیک دستهی خاصی از روشهای جستجوی فرااکتشافی هستندکه از مدل های منطبق بر سیستم های طبیعی نتیجه می شوند .الگوریتم بهینهسازی گروه جوجه مرغ ها یکالگوریتم چند جمعیتی است، که در آن از چندین گروه برای جستجو استفاده می شود. سلسه مراتب جوجه ها،مرغ ها و خروس ها برای پیدا کردن غذا باعث رفتاری متفاوت میشود که تعادلی خوب بین تصادفی بودن ومعین بودن در الگوریتم ایجاد میکند در این مقاله روشی در جهت بالابردن دقت، سرعت همگرایی و افزایشتوانایی الگوریتم CSO در جستجوی محلی و سراسری ارایه شده است. در روش پیشنهادی، با تغییر دسته بندی ها و انتخاب اعضای هر گروه، بهبود قابل توجهی در نتایج الگوریتم مشاهده می گردد. الگوریتم بهبود یافتهبا سایر الگوریتم های تکاملی مانند الگوریتم بهینه سازی ازدحام ذرات آشوبناک، الگوریتم رقابت استعماری ،الگوریتم جهش قورباغه ی مخلوط شده و الگوریتم گروه جوجه مرغ های اولیه مقایسه میشود .این مقایسه برروی تعدادی از توابع محک، که توابعی پیوسته با ابعاد بالا می باشند، انجام شد. نتایج بر روی میانگین مقدارتابع در اجراهای متوالی الگوریتم های مورد نظر و تعداد دفعات فراخوانی تابع برازندگی (NFE) در رسیدن به پاسخ بهینه، مورد بررسی قرار گرفته است. نتایج به دست آمده بیانگر این است که الگوریتم پیشنهادی درمسایل بهینه سازی پیوسته با ابعاد بالا، بهبود قابل توجهی در رسیدن به پاسخ بهینه داشته است.