الگوریتم بهینه سازی جریان های آب: روشی جدید در بهینه‌سازی مسائل با بعد بالا

در این مقاله، یک روش بهینه‌سازی فراابتکاری، برگرفته‌شده از رفتار و حرکت جریان‌های آب بر روی زمین در رسیدن به پست‌ترین مکان ممکن، جهت حل مسائل پیوسته ارائه‌شده است. حرکت ساده جریان‌ آب بر روی زمین به‌طور مشخصی کارآمد و بهینه می‌باشد و همیشه کوتاه‌ترین و سریع‌ترین مسیر رسیدن به عمیق‌ترین نقطه را در بر دارد. در الگوریتم ارائه‌شده حرکت‌های ساده آب در مسیریابی، تغییر جهت و حتی ایجاد تندآب و گرداب به صورت عملگرهای ریاضی مختلف شبیه‌سازی‌شده است. در ادامه مقاله، جهت بررسی کارایی الگوریتم فراابتکاری پیشنهادی، بیست‌وسه تابع استاندارد مختلف مورد استفاده قرارگرفته و کارایی الگوریتم با برخی روش‌های کلاسیک بهینه‌سازی فراابتکاری مورد مقایسه قرارگرفته‌است. نتایج آزمایش‌ها موید این است که الگوریتم ارائه‌شده از نظر دقت و سرعت در بیشتر توابع آزمون استاندارد عملکرد بهتری را ارائه می‌دهد، به‌ویژه در بعد بالا این برتری به‌طور معنی‌داری قابل‌مشاهده است و اختلاف بسیار زیادی با دیگر الگوریتم‌ها دارد، به‌طوری‌که الگوریتم‌های دیگر تقریباً قادر به بهینه‌سازی در ابعاد بالا نیستند. در بعد 30، میانگین زمان اجرای برنامه الگوریتم آب باران نسبت به الگوریتم وراثتی 1.657 و نسبت به الگوریتم جستجوی فاخته 1.274 می‌باشد. در جایی‌که میانگین خطای الگوریتم ارائه‌شده به الگوریتم وراثتی 0.06 و نسبت به الگوریتم جستجوی فاخته 0.004 می‌باشد. بنابراین افزایش %94 دقت درازای %65 درصد زمان بیشتر نسبت به الگوریتم وراثتی و افزایش %99.6 دقت درازای %27.5 زمان بیشتر نسبت به الگوریتم جستجوی فاخته مشاهده می‌شود.

Water Streams Optimization (WSTO): A new Metaheuristic Optimization method in High-Dimensional Problems

In recent years, various heuristic optimization methods have been developed. Many of these methods are inspired by behaviors in nature. In this paper, new natureinspired algorithm based on behavior of water streams of rain, for solving of realvalued continues optimization problems is introduced. The proposed algorithm does not require the information of the first or second order Derivatives of the object function. Hence, it is a direct method. We investigate the properties of this algorithm. Besides, we apply the proposed algorithm to solve a nonlinear optimization problem, where the object function is highly irregular (neither convex nor concave). In addition, the global optimal solution can be found. In the proposed algorithm, the searcher agents are a collection of water currents, which moved based on gravity. The proposed algorithm has been developed from a motivation to find a simpler and more effective search algorithm to optimize multidimensional numerical test functions. It is effective in searching and finding an optimum solution from a large search domain within an acceptable CPU time. Statistical analysis compared the solution quality with wellknown heuristic search methods. The obtained results confirm the high performance of the proposed method in solving various nonlinear functions.