مروری بر الگوریتم های فرامکاشفه ای نوین و بررسی قابلیت های آنها

در دهه‌های اخیر شاهد بودیم که الگوریتم‌های بهینه‌سازی مختلفی برای بهبود عملکرد سیستم‌های مختلف و کاهش هزینه‌های محاسباتی پیشنهاد شده‌اند. روش‌های بهینه‌سازی سنتی از کاستی‌ها و محدودیت‌های خاصی رنج می‌برند، همگرایی به بهینه محلی و فضای جستجوی ناشناخته از جمله چالش های این روش ها بوده است. در این مقاله سعی بر آن شده عملکرد الگوریتم‌های فراابتکاری مبتنی بر هوش جمعی که اخیرا ابداع شده اند همانند الگوریتم شکارچیان دریایی، شامپانزه، کپک مخاطی در حل مسائل نامحدود بهینه سازی مورد بررسی و تحلیل قرار گیرند. نتایج نشان داده است که الگوریتم کپک مخاطی نسبت به سایر الگوریتم توانسته است در حل توابع نامحدود از موفقیت بالاتری برخوردار باشد.

a review of new metaheuristic algorithms and their capabilities

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.