الگوریتم بهینهسازی قاصدک یکی از الگوریتم فراابتکاری است که در سال 2022 ابداع شده است. این الگوریتم در ژورنال معتبر Engineering Applications of Artificial Intelligence چاپ شده است. در این تحقیق، الگوریتم بهینهسازی قاصدک(Dandelion Optimizer) برروی توابع پیوسته بررسی شده است. الگوریتم بهینهسازی قاصدک برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. الگوریتم بهینهسازی قاصدک با الگوریتم سینوس کسینوس(Sine Cosine Algorithm)، الگوریتم بهینهسازی نهنگ(Whale Optimization Algorithm) و الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی نشان میدهد که الگوریتم بهینهسازی قاصدک در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی اسب دریایی یکی از الگوریتمهای فراابتکاری است که در سال 2022 ابداع شده است. این الگوریتم در ژورنال معتبر Applied Intelligence چاپ شده است. در این تحقیق، الگوریتم بهینهسازی اسب دریایی(Sea-horse optimizer) برروی توابع پیوسته بررسی شده است. الگوریتم بهینهسازی اسب دریایی برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. الگوریتم بهینهسازی اسب دریایی با الگوریتم سینوس کسینوس(Sine Cosine Algorithm)، الگوریتم اجتماع تونیکت(Tunicate Swarm Algorithm) و الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی نشان میدهد که الگوریتم بهینهسازی اسب دریایی در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
در این تحقیق، یک مدل بهبودیافته از الگوریتم بهینهسازی کرکس آفریقایی(African vulture optimization algorithm) توسط یادگیری مبتنی بر مخالفت(Opposition-based Learning) برای حل مسائل بهینهسازی پیوسته پیشنهاد شده است. هدف از این تحقیق نحوه ترکیب الگوریتمها برای حل مسائل مختلف است. استفاده از یادگیری مبتنی بر مخالفت(OBL) تلاشی برای تقویت مرحله اکتشاف در الگوریتم بهینهسازی کرکس آفریقایی(AVOA) است. فایل شبیهسازی این تحقیق فقط برای توابع پیوسته بررسی شده است. آزمایشهای شبیهسازی در محیط متلب 2018 برروی 23 تابع استاندارد IEEE CEC انجام شده است. نتایج با الگوریتم بهینهسازی کرکس آفریقایی و الگوریتم بهینهسازی اجتماع ذرات(PSO) مقایسه شده است.
در این تحقیق، الگوریتم جستجوی گرانشی مبتنی بر نگاشت آشوب برای حل مسائل طراحی مهندسی مکانیک بررسی میشود. مقاله اصلی این تحقیق در سال 2020 در ژورنال World Journal of Engineering از انتشارات امرالد (emerald) چاپ شده است. هدف این تحقیق، بررسی سه مسئله(Welded beam design, Compression spring design, Pressure vessel design) در حوزه مهندسی مکانیک با استفاده از الگوریتمهای هوش جمعی است. شبیهسازی مدل پیشنهادی در محیط متلب 2018 به بالا انجام شده است. مدل پیشنهادی با الگوریتم ژنتیک(GA)، بهینهسازی کلونی مورچه(ACO)، الگوریتم تکامل تفاضلی(DE)، الگوریتم بهینهسازی اجتماع ذرات(PSO)، الگوریتم گرگ خاکستری(GWO)، الگوریتم سینوس-کسینوس(SCA)، الگوریتم بهینهسازی اجتماع سالپ(SSA)، الگوریتم بهینهسازی مبتنی بر جغرافیای زیستی(BBO) و ترکیب الگوریتم جستجوی گرانشی با الگوریتم بهینهسازی اجتماع ذرات(PSOGSA) مقایسه شده است. نتایج نشان میدهد که مدل پیشنهادی دارای برازندگی بهتری بوده است.