بهینه سازی به شیوه گربه های شنی: الگوریتم جستجوی کارآمد و مدیریت ازدحام

الگوریتم‌های فراابتکاری، روش‌های بهینه‌سازی الهام‌گرفته از رفتارها و فرآیندهای طبیعی هستند که با بهره‌گیری از تعامل جمعیت و مفاهیم الهام‌گرفته از طبیعت، مسائل بهینه‌سازی بسیار پیچیده را حل می‌کنند. در این مطالعه، یک الگوریتم فراابتکاری به نام بهینه‌سازی ازدحامی گربه‌های شنی معرفی شده است که از رفتار گربه‌های شنی برای حفظ حیات و بقا الهام می‌گیرد. این گربه‌ها توانایی منحصر به فرد و شگفت‌انگیزی در تشخیص فرکانس‌های زیر 2 کیلوهرتز و حفر خاک برای شکار طعمه دارند. همچنین، این گربه‌ها توانایی زیادی در مکان‌یابی، حرکت سریع و پنهان شدن از دید طعمه دارند. با الهام از این ویژگی‌ها، الگوریتم پیشنهادی از دو مرحله اصلی جستجو و حمله تشکیل شده است که مراحل اکتشاف و بهره‌برداری را به صورت متعادل مدیریت می‌کند. این رویکرد با کاهش تعداد پارامترها و عملیات، عملکرد بهینه‌ای را در حل مسائل مختلف ازدحام ارائه می‌دهد و راه‌حل‌های مفید و کارآمد برای مسائل پیچیده بهینه‌سازی فراهم می کند.

sand cat optimization: efficient search algorithm and crowd management

meta-heuristic algorithms are optimization methods inspired by natural behaviors and processes that solve very complex optimization problems by taking advantage of population interaction and nature-inspired concepts. in this study،a meta-heuristic algorithm called swarm optimization of sand cats has been introduced،which inspires the behavior of sand cats to sustain life and maintain survival. these cats have a unique and amazing ability to detect frequencies below 2 khz and dig up soil to hunt for prey. also،these cats have a great ability to locate،move quickly،and hide themselves from the sight of the prey. inspired by these features،the proposed algorithm consists of two main phases of search and attack،which manages the exploration and exploitation phases in a balanced manner. this approach provides optimal performance in solving various congestion problems by reducing the number of parameters and operations،providing useful and efficient solutions to complex optimization problems.