الگوریتم جستجوی دایره(Circle Search Algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2022 ابداع شده است. این الگوریتم در ژورنال معتبر Mathematics از انتشارات MDPI چاپ شده است. در این تحقیق، الگوریتم جستجوی دایره برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده، الگوریتم جستجوی دایره با الگوریتم بهینهسازی بازی آشوب(Chaos Game Optimization)، الگوریتم بهینهسازی گرگ خاکستری(Grey Wolf Optimizer)، الگوریتم بهینهسازی شاهین هریس(Harris Hawks Optimizer)، الگوریتم اجتماع سالپ(Salp swarm algorithm)، الگوریتم سینوس کسینوس(Sine Cosine Algorithm)، الگوریتم جستجوی گذرا(Transient search algorithm) و الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم جستجوی دایره در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم جستجوی خزندگان(Reptile Search Algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2022 ابداع شده است. این الگوریتم در ژورنال معتبر Expert Systems With Applications از انتشارات الزویر چاپ شده است. در این تحقیق، الگوریتم جستجوی خزندگان برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده، الگوریتم جستجوی خزندگان با الگوریتم بهینهسازی شیرمورچه(Ant Lion Optimizer)، الگوریتم شکارچیان دریایی(Marine Predators Algorithm)، الگوریتم بهینهسازی گرگ خاکستری(Grey Wolf Optimizer)، الگوریتم اجتماع سالپ(Salp Swarm Algorithm)، الگوریتم سینوس کسینوس(Sine Cosine Algorithm) و الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم جستجوی خزندگان در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی سیاست(Political Optimizer) یکی از الگوریتمهای فراابتکاری است که در سال 2020 ابداع شده است. این الگوریتم در ژورنال معتبر Knowledge-Based Systems از انتشارات الزویر چاپ شده است. در این تحقیق، الگوریتم بهینهسازی سیاست برروی 50 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده، الگوریتم بهینهسازی سیاست با الگوریتم بهینهسازی گرگ خاکستری(Grey Wolf Optimizer)، الگوریتم بهینهسازی نهنگ(Whale Optimization Algorithm)، الگوریتم سینوس کسینوس(Sine Cosine Algorithm)، الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی سیاست در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی مونگوس کوتوله(Dwarf Mongoose Optimization Algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2022 ابداع شده است. این الگوریتم در ژورنال معتبر Computer Methods in Applied Mechanics and Engineering از انتشارات الزویر چاپ شده است. در این تحقیق، الگوریتم بهینهسازی مونگوس کوتوله برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده، الگوریتم بهینه سازی مونگوس کوتوله با الگوریتم بهینهسازی گرگ خاکستری(Grey Wolf Optimizer)، الگوریتم اجتماع سالپ(Salp Swarm Algorithm)، الگوریتم سینوس کسینوس(Sine Cosine Algorithm) و الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی مونگوس کوتوله در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.