دسته‌بندی دادگان سونار با استفاده از الگوریتم بهینه‌ساز گرگ خاکستری

این مقاله از یک روش فرا ابتکاری جدید به نام بهینه‌ساز گرگ خاکستری (gwo)‎ به منظور دسته بندی دادگان سونار استفاده می‌کند. الگوریتم gwo از سلسله‌مراتب رهبری و سازوکار شکار گرگ‌های خاکستری در طبیعت تقلید می‌کند. در این الگوریتم از چهار نوع گرگ‌ خاکستری شامل آلفا, بتا, دلتا و امگا برای شبیه‌سازی سلسله‌مراتب رهبری استفاده ‌شده است. علاوه بر این, سه مرحله اصلی شکار شامل جستجوی طعمه, محاصره طعمه و حمله به طعمه شبیه‌سازی می‌شوند. در ابتدا الگوریتم موردنظر توسط 23 تابع آزمون شناخته‌شده به‌خوبی ارزیابی شده و نتایج به‌دست‌آمده با روش بهینه‌سازی ازدحام ذرات (pso)‎ مقایسه می‌شوند. نتایج نشان می‌دهد که الگوریتم gwo قادر به ارائه نتایجی بسیار بهتر در یافتن کمینه کلی توابع, سرعت همگرایی و اجتناب از کمینه محلی در مقایسه با الگوریتم pso است. علاوه بر این, در این مقاله یک کاربرد واقعی از روش ارائه‌شده در زمینه دسته‌بندی دادگان سونار بیان می‌شود. نتایج حاصله نشان می‌دهد که دسته‌بندی‌کننده طراحی شده با الگوریتم گرگ خاکستری دادگان سونار را با دقت 96.67% دسته‌بندی می‌کند, این در حالی است کهpso دقت 92.33% را حاصل می نماید.