يك اكتشاف بهبود يافته از الگوريتم گرگ خاكستري براي بهينه سازي عددي مسائل با ابعاد بزرگ

الگوريتم بهينه‌سازي گرگ خاكستري (GWO) يك روش بهينه‌سازي نسبتاً جديد مبتني بر جمعيت است كه اين مزيت را دارد كه قابليت بهينه‌سازي كل قوي‌تر و سادگي پياده‌سازي با پارامترهاي كنترل كمتر را دارد. اين الگوريتم در رشته‌ها و زمينه‌هاي مختلف توجهات بسياري را به خود جلب كرده است. با اين حال همچنان كمبودهايي در الگوريتم(GWO) با وجود معادله‌ي بروزرساني شده‌ي موقعيت آن وجود دارد كه در روند بهره‌برداري خوب عمل مي‌كند اما در اكتشاف ضعيف عمل مي‌كند. در اين اثر ما يك الگوريتم بهبود يافته از(GWO) را به نام الگوريتم(GWO) با اكتشاف بهبوديافتهEEGWO)‎) را پيشنهاد مي‌كنيم. به منظور بهبود اكتشاف، يك معادله‌ي موقعيت بروزرساني شده‌ي جديد با اعمال فرد تصادفي در جمعيت ارائه شده است تا روند جستجوي افراد كانديد جديد را هدايت كند. علاوه بر اين به منظور استفاده‌ي كامل و متعادل ساختن اكتشاف و جستجوي الگوريتم(GWO)، يك استراتژي پارامتر كنترل غيرخطي را معرفي مي‌كنيم به عنوان مثال پارامتر كنترل به صورت غيرخطي در تكرارها افزايش مي‌يابد. نتيجه‌ي آزمايشي روي يك مجموعه از 23 تابع معيار(تابع تست الگوريتم) و كاربرد‏هاي مهندسي نشان دهنده‌ي اثربخشي و كارايي معادلات اصلاح شده‌ي به روزرساني شده‌ي موقعيت و استراتژي پارامتر كنترل غيرخطي است. مقايسه‌ها نشان داده‌اند كه الگوريتمEEGWO)‎) پيشنهادي به طور قابل توجهي عملكرد(GWO) را بهبود مي‌بخشد. علاوه بر اينEEGWO)‎) بالاترين كيفيت راه‌حل، قوي‌ترين الگوريتم و سريع‌ترين همگرايي سراسري را در ميان همه‌ي رقبا روي تقريبا تمامي توابع آزمون ارائه مي‌كند.

191780

دانشگاه علم و صنعت ايران

دكتر رضا سعادتي

رياضي كاربردي - تحقيق در عمليات

دكتر جواد وحيدي