الگوريتم بهبوديافته گرگ خاكستري مبتني بر شرايط براي حل مسائل بهينه‌سازي سراسري

بسياري از مسائل بهينه‌سازي دنياي واقعي، مسائلي پيچيده با ابعاد بالا هستند كه با افزايش ابعاد، فضاي جواب به صورت نمايي افزايش مي‌يابد. از اين رو الگوريتم‌هاي دقيق كه تمام فضاي مسأله را براي يافتن جواب پيمايش مي‌كنند، در زمان قابل قبولي نمي توانند به جواب دست يابند و از الگوريتم‌هاي تقريبي براي حل اين مسائل استفاده مي‌شوند. از دسته اين الگوريتم‌ها، مي‌توان به الگوريتم‌هاي فراابتكاري اشاره كرد كه نشان داده‌اند كارايي خوبي دارند. الگوريتم بهينه‌سازي گرگ خاكستري از جمله‌ي اين الگوريتم‌ها است. اما ساختار الگوريتم، توانايي اكتشاف آن را براي حل مسائل پيچيده با ابعاد بالا محدود مي‌كند و در اواسط اجراي الگوريتم ممكن است به دام بهينه‌هاي محلي گرفتار گردد. در اين حالت به تدريج تنوع جمعيت كم مي‌گردد و در برخي موارد قادر به فرار از اين بهينه‌هاي محلي نيست و دچار همگرايي زودرس مي‌گردد. از اين رو، در اين تحقيق، نسخه بهبود يافته‌اي از الگوريتم گرگ خاكستري به نام الگوريتم بهينه‌سازي گرگ خاكستري مبتني بر شرايط ارائه مي‌گردد، كه با جداسازي مرحله اكتشاف از بهره برداري و فراهم آوردن امكان فرار از بهينه‌هاي محلي در هر تكرار، همچنين بهبود توازن بين اكتشاف و بهره‌برداري، راه‌حل‌هاي جديدي ارائه مي‌دهد كه در صورت بهتر بودن جايگزين راه‌حل‌هاي قبلي مي‌شوند. الگوريتم پيشنهادي با چند نسخه از الگوريتم‌هاي بهبود يافته گرگ خاكستري، همچنين الگوريتم‌هاي بهينه‌سازي ازدحام ذرات، كفتار خالدار، شاهين هريس، اسب وحشي، عقاب و كركس آفريقايي كه از جمله الگوريتم‌هاي فراابتكاري بسيار جديد هستند، براي يافتن نقاط بهينه در توابع بهينه‌سازي CEC2018 و پارامترهاي مسأله مهندسي طراحي مخزن فشار مقايسه شده است. نتايج ارزيابي، حاكي از بهبود قابل توجه نتايج الگوريتم پيشنهادي نسبت به ساير الگوريتم‌هاي مورد مقايسه است.