در این تحقیق یک مدل ترکیبی آشوبناک برمبنای الگوریتم سینوس کسینوس(SCA) با الگوریتم بهینهسازی شاهین هریس(HHO) برای حل مسائل بهینهسازی پیوسته پیشنهاد شده است. برای بهبود الگوریتم سینوس کسینوس از الگوریتم بهینهسازی شاهین هریس استفاده شده است. الگوریتم بهینهسازی شاهین هریس قابلیت همگرایی سریع در رسیدن به راه حل بهینه دارد. از سوی دیگر، برای جلوگیری از به دام افتادن در بهینه محلی از نگاشت آشوب به منظور متنوعتر کردن افراد جمعیت در مدل ترکیبی استفاده شده است. آزمایشهای شبیهسازی در محیط متلب 2017 برروی 27 تابع استاندارد CEC 2014 انجام شده است. نتایج شبیهسازی با الگوریتم بهینهسازی شاهین هریس و الگوریتم سینوس کسینوس مقایسه شده است.
در این تحقیق یک مدل باینری(دودویی) از الگوریتم بهینهسازی ملخ(GOA) برای انتخاب ویژگی پیشنهاد شده است. برای تبدیل حالت پیوسته به دودویی از تابع انتقال S شکل(سیگموئید) استفاده شده است. برای طبقهبندی نمونهها از الگوریتم k نزدیکترین همسایه(KNN) استفاده شده است. شبیهسازی الگوریتم بهینهسازی ملخ باینری در محیط متلب 2018 برروی هفت مجموعه داده استاندارد UCI انجام شده است. نتایج الگوریتم بهینهسازی ملخ باینری با الگوریتم تبرید شبیهسازی شده(Simulated Annealing) مقایسه شده است. مقایسهها برمبنای درصد صحت، تعداد ویژگیهای انتخاب شده و تابع برازندگی انجام شده است.