مروري بر الگوريتم هاي فرامكاشفه اي نوين و بررسي قابليت هاي آنها

A Review of New Metaheuristic Algorithms and their Capabilities

در دهه‌هاي اخير شاهد بوديم كه الگوريتم‌هاي بهينه‌سازي مختلفي براي بهبود عملكرد سيستم‌هاي مختلف و كاهش هزينه‌هاي محاسباتي پيشنهاد شده‌اند. روش‌هاي بهينه‌سازي سنتي از كاستي‌ها و محدوديت‌هاي خاصي رنج مي‌برند، همگرايي به بهينه محلي و فضاي جستجوي ناشناخته از جمله چالش هاي اين روش ها بوده است. در اين مقاله سعي بر آن شده عملكرد الگوريتم‌هاي فراابتكاري مبتني بر هوش جمعي كه اخيرا ابداع شده اند همانند الگوريتم شكارچيان دريايي، شامپانزه، كپك مخاطي در حل مسائل نامحدود بهينه سازي مورد بررسي و تحليل قرار گيرند. نتايج نشان داده است كه الگوريتم كپك مخاطي نسبت به ساير الگوريتم توانسته است در حل توابع نامحدود از موفقيت بالاتري برخوردار باشد.

In recent decades, we have seen that various optimization algorithms have been proposed to improve the performance of various systems and reduce computational costs. Traditional optimization methods suffer from certain limitations, convergence to local optimum and unknown search space have been among the challenges of these methods. In this article, it is tried to investigate and analyze the performance of metaheuristic algorithms based on swarm intelligence which have been recently invented, such as Marine Predators Algorithm, Chimp Optimization Algorithm and Slime Mould Algorithm, in solving unbounded optimization problems. The results have shown that the Slime Mould Algorithm has been more successful in solving unbounded functions than other algorithms.