الگوریتم سینوس کسینوس(Sine Cosine Algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2016 در ژورنال معتبر Knowledge-Based Systems از انتشارات sciencedirect چاپ شده است. در مسائل بهینهسازی، تقسیم فرآیند بهینهسازی شامل دو مرحله اکتشاف و بهرهبرداری است. در مرحله اول، الگوریتم بهینهسازی، راهحلهای تصادفی ایجاد شده را با نرخ تصادفی بالایی ترکیب میکند تا مناطق امیدوارکننده فضای جستجو را پیدا کند. در مرحله بهرهبرداری، قابلیت متمرکز کردن جستجو در محدوده جواب بهینه است. در فاز بهرهبرداری، تغییرات تدریجی در راه حلهای تصادفی وجود دارد و تغییرات تصادفی در مقایسه با فاز اکتشاف کمتر هستند. هدف تحقیق حاضر، معرفی و شناساندن الگوریتم سینوس کسینوس به محققان جهت بهکارگیری در حل مسائل بهینهسازی میباشد. در این تحقیق، الگوریتم سینوس کسینوس روی مسائل مختلف بهینهسازی تست شده است. در شبیهسازی پیوست شده الگوریتم سینوس کسینوس با الگوریتم تکامل تفاضلی، الگوریتم جستجوی گرانشی، و الگوریتم بهینهسازی اجتماع ذرات مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم سینوس کسینوس در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی مار(Snake Optimizer) یکی از الگوریتمهای فراابتکاری است که در سال 2022 در ژورنال معتبر Knowledge-Based Systems از انتشارات sciencedirect چاپ شده است. الگوریتم بهینهسازی مار برمبنای رفتار جفتگیری و تولید مثل مارها ابداع شده است. این الگوریتم با تقلید از رفتارهای مختلف مار یک الگوریتم فراابتکاری جدید و قوی محسوب میشود که با اپراتورهای مختلف قادر به جستجوی محلی و سراسری است که به آن اجازه میدهد تا مسائل مختلف بهینهسازی را با نتایج بهتر حل کند. هدف تحقیق حاضر، معرفی و شناساندن الگوریتم بهینهسازی مار به محققان جهت بهکارگیری در حل مسائل بهینهسازی میباشد. در این تحقیق، الگوریتم بهینهسازی مار روی مسائل مختلف بهینهسازی تست شده است. در شبیهسازی پیوست شده الگوریتم بهینهسازی مار با الگوریتم بهینهسازی شاهین هریس، الگوریتم شعله-پروانه و الگوریتم بهینهسازی نهنگ مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی مار در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی تحقیقات مبتنی بر قانون (Forensic-Based Investigation) یا FBI یکی از الگوریتمهای فراابتکاری است که در سال 2020 در ژورنال معتبر Applied Soft Computing از انتشارات sciencedirect چاپ شده است. الگوریتم بهینهسازی تحقیقات مبتنی بر قانون با الهام از فرآیند تحقیقات مظنون - مکان - تعقیب که توسط افسران پلیس استفاده میشود، ابدع شده است. الگوریتم بهینهسازی تحقیقات مبتنی بر قانون یا FBI یک الگوریتم کاربرپسند است که به پارامترهای عملیاتی از پیش تعریفشده نیاز ندارد. این الگوریتم به بهرهگیری از اپراتورهای مختلف قادر به جستجوی محلی و سراسری است که به آن اجازه میدهد تا مسائل مختلف بهینهسازی را با نتایج بهتر حل کند. هدف تحقیق حاضر، معرفی و شناساندن الگوریتم بهینهسازی تحقیقات مبتنی بر قانون به محققان جهت بهکارگیری در حل مسائل بهینهسازی میباشد. در این تحقیق، الگوریتم بهینهسازی تحقیقات مبتنی بر قانون روی مسائل مختلف بهینهسازی تست شده است. در شبیهسازی پیوست شده الگوریتم بهینهسازی تحقیقات مبتنی بر قانون با الگوریتم بهینهسازی نهنگ، الگوریتم بهینهسازی اجتماع ذرات، الگوریتم تکامل تفاضلی و الگوریتم کرم شبتاب مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی تحقیقات مبتنی بر قانون در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم جستجوی عروس دریایی(Jellyfish Search Algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2021 در ژورنال معتبر Applied Mathematics and Computation از انتشارات sciencedirect چاپ شده است. الگوریتم جستجوی عروس دریایی یک الگوریتم فراابتکاری جدید با الهام از رفتار و زندگی عروس دریایی ابداع شده است. این الگوریتم با تقلید از رفتارهای مختلف عروس دریایی یک الگوریتم فراابتکاری جدید و قوی محسوب میشود که با اپراتورهای مختلف قادر به جستجوی محلی و سراسری است که به آن اجازه میدهد تا مسائل مختلف بهینهسازی را با نتایج بهتر حل کند. هدف تحقیق حاضر، معرفی و شناساندن الگوریتم جستجوی عروس دریایی به محققان جهت بهکارگیری در حل مسائل بهینهسازی میباشد. در این تحقیق، جستجوی عروس دریایی روی مسائل مختلف بهینهسازی تست شده است. در شبیهسازی پیوست شده الگوریتم جستجوی عروس دریایی با الگوریتم بهینهسازی نهنگ، الگوریتم بهینهسازی اجتماع ذرات، الگوریتم تکامل تفاضلی و الگوریتم کرم شبتاب مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم جستجوی عروس دریایی در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی توزیع نمایی(Exponential distribution optimizer) یکی از الگوریتمهای فراابتکاری است که در سال 2023 در ژورنال معتبر Artificial Intelligence Review از انتشارات Springer چاپ شده است. الهام اصلی الگوریتم بهینهسازی توزیع نمایی از ریاضیات براساس مدل توزیع احتمال نمایی میباشد. در ابتدا، جمعیتی از راهحلهای تصادفی که مدلهای توزیع نمایی چندگانه را نشان میدهند، مقداردهی اولیه میشوند. موقعیتها در هر راه حل نشاندهنده متغیرهای تصادفی نمایی هستند. هدف تحقیق حاضر، معرفی و شناساندن الگوریتم بهینهسازی توزیع نمایی به محققان جهت بهکارگیری در حل مسائل بهینهسازی میباشد. در این تحقیق، الگوریتم بهینهسازی توزیع نمایی روی مسائل مختلف بهینهسازی تست شده است. در شبیهسازی پیوست شده الگوریتم بهینهسازی توزیع نمایی با الگوریتم بهینهسازی اجتماع ذرات، الگوریتم بهینهسازی نهنگ، الگوریتم گرگ خاکستری و الگوریتم بهینهسازی تعادل(Equilibrium Optimizer) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی توزیع نمایی در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.