الگوریتم بهینه سازی سنجاقک مبتنی بر نیچینگ

در چند دهه اخیر یکی از مباحث مهم در علوم کامپیوتر که خیلی مورد توجه قرار گرفته شده است بهینه سازی می باشد، یافتن راه حل های ممکن مسائل با توجه به ماهیت مختلف، نیازمند روش های مختلفی می باشد بنابراین الگوریتم های گوناگون و متنوعی در این حوزه ارائه شده است. الگوریتم های الهام گرفته از طبعیت کانون توجه محققین و دانشمندان بسیاری در زمینه بهینه سازی قرار گرفته است و کارهای زیادی با تکنیک های مختلفی در این زمینه در حال توسعه و انجام است. کارکرد روش-های موجود برای بهینه سازی چندگانه به معیاری وابسته است، که این معیار از فاصله دو بهینه از یکدیگر بدست می آید، این معیار در روش های مختلف نام های متفاوتی همچون معیار شباهت، شعاع اشتراک، شعاع پاکسازی، حداقل فاصله مجاز، فاصله گونه و شعاع نیچ دارد که در تمامی این روش ها تخمین این پارامتر، نیاز به اطلاعات قبلی از تابع بهینه سازی همچون تعداد و توزیع بهینه ها در فضای مسئله دارد، در صورتی که این اطلاعات از تابع بهینه سازی وجود نداشته باشد، تخمین نامناسب این پارامتر کارایی روش ها را در پیدا کردن تمام بهینه ها با خطا روبرو می کند. در روش هایی در بهینه سازی چندگانه که خروجی روش، جمعیتی از جواب ها است نیاز به مکانیزمی است، تا از روی این جمعیت خروجی، تعداد بهینه های پیدا شده استنباط شود و این مکانیزم علاوه بر نیاز به پردازش بیشتر باز هم وابسته به فاصله دو بهینه از یکدیگر است. همچنین خروجی یک روش به شکل جمعیتی از جواب ها، میزان کنترل ما را بر روی مراحل اجرای روش، از نظر تعداد بهینه های پیدا شده در حین اجرا، محدود میکند