بهبود الگوريتم بهينه‏سازي فراابتكاري runner-root مبتني بر بردارهاي متعامد

در چند دهه اخير، استفاده از الگوريتم‏هاي تكاملي براي حل مسائل گوناگون جستجو و بهينه‏سازي‏هاي پيوسته و گسسته، رشد فزاينده‏اي داشته است، در حقيقت ما به طور پيوسته به دنبال راه‏حل‏هاي بهينه براي مسائلي هستيم كه با آن‏ها روبرو مي‏شويم. از جديدترين الگوريتم‌هاي تكاملي كه اخيراً معرفي شده است الگوريتم فراابتكاري بهينه‌سازي runner-root مي‏باشد كه از ساقه‏ها‏ي رونده و ريشه‏ها‏ي بعضي گياهان در طبيعت الهام گرفته شده است. اين الگوريتم سرعت همگرايي و دقت بالايي در حل مسائل و دستيابي به نقطه بهينه سراسري دارد. در اين مقاله، براي بهبود سرعت همگرايي و ايجاد تنوع در جمعيت الگوريتم runner-root، تركيبي از الگوريتم بهينه‏سازي فراابتكاري runner-root و الگوريتم حداقل جمعيت جستجو ارائه شده است كه در آن با استفاده از بردارهاي متعامد، فضاي جستجوي مسئله را به طور كامل پوشش مي‏دهيم. كارايي الگوريتم پيشنهادي توسط توابع رياضي پايه CEC’2005 استاندارد كه شامل مسائل تك‏گانه و چندگانه مي‏باشد، ارزيابي مي‏شود و نتايج با الگوريتم runner-root مقايسه مي شود. نتايج شبيه‏سازي نشان مي‏دهد كه روش پيشنهادي باعث بهبود عملكرد الگوريتم runner-root شده است، و همچنين الگوريتم پيشنهادي داراي دقت و سرعت همگرايي بالاتري نسبت به الگوريتم runner-root مي‏باشد و در رسيدن به نقطه بهينه سراسري عملكرد بهتري دارد.