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.
الگوریتم بهینهسازی فندق شکن(Nutcracker optimizer) یکی از الگوریتمهای فراابتکاری است که در سال 2023 در ژورنال معتبر Knowledge-Based Systems از انتشارات sciencedirect چاپ شده است. الگوریتم بهینهسازی فندق شکن یک فراابتکاری جدید با الهام از پرنده فندق شکن ابداع شده است. این الگوریتم با تقلید از رفتارهای مختلف پرنده فندق شکن 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 فندق شکن به محققان جهت بهکارگیری در حل مسائل بهینهسازی میباشد. در این تحقیق، الگوریتم بهینهسازی فندق شکن روی مسائل مختلف بهینهسازی تست شده است. در شبیهسازی پیوست شده الگوریتم بهینهسازی فندق شکن با الگوریتم بهینهسازی نهنگ، الگوریتم گرگ خاکستری و الگوریتم بهینهسازی تعادل(Equilibrium Optimizer) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی فندق شکن در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم اجتماع تونیکات(Tunicate Swarm Algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2020 در ژورنال معتبر Engineering Applications of Artificial Intelligence از انتشارات sciencedirect چاپ شده است. الگوریتم اجتماع تونیکات الهامگرفته از رفتار ازدحامی تونیکاتها در طول فرآیند جستجوی غذا میباشد. هدف تحقیق حاضر، معرفی و شناساندن الگوریتم اجتماع تونیکات به محققان جهت بهکارگیری در حل مسائل بهینهسازی میباشد. در این تحقیق، الگوریتم اجتماع تونیکات روی مسائل مختلف بهینهسازی تست شده است. در شبیهسازی پیوست شده الگوریتم اجتماع تونیکات با الگوریتم گرگ خاکستری، الگوریتم بهینهسازی چندوجهی، الگوریتم سینوس کسینوس و الگوریتم بهینهسازی اجتماع ذرات مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم اجتماع تونیکات در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی کفتار(Spotted hyena optimizer) یکی از الگوریتمهای فراابتکاری است که در سال 2017 در ژورنال معتبر Advances in Engineering Software از انتشارات sciencedirect چاپ شده است. الگوریتم بهینهسازی کفتار یک الگوریتم فراابتکاری با رویکرد گروهی برای حل مسائل بهینهسازی در علوم کامپیوتر ابداع شده است و از رفتار کفتارهای خالدار در شکار الگوبرداری شده است و دارای مکانیزم مبتنی بر جمعیت است. برای مدلسازی الگوریتم بهینهسازی کفتار فرض شده که موقعیت هر کفتار یک راه حل مسئله بهینهسازی است و موقعیت طعمه نیز با موقعیت بهینهترین کفتار تخمین زده میشود. هدف تحقیق حاضر، معرفی و شناساندن الگوریتم بهینهسازی کفتار به محققان جهت بهکارگیری در حل مسائل بهینهسازی میباشد. در این تحقیق، الگوریتم بهینهسازی کفتار روی مسائل مختلف بهینهسازی تست شده است. در شبیهسازی پیوست شده الگوریتم بهینهسازی کفتار با الگوریتم گرگ خاکستری، الگوریتم بهینهسازی چندوجهی، الگوریتم سینوس کسینوس و الگوریتم بهینهسازی اجتماع ذرات مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی کفتار در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.