الگوریتم بهینهسازی غذایابی مارماهی الکتریکی(Electric eel foraging optimization) یکی از الگوریتمهای فراابتکاری است که در سال 2023 در ژورنال معتبر Expert Systems with Applications از انتشارات sciencedirect چاپ شده است. الگوریتم بهینهسازی غذایابی مارماهی الکتریکی از رفتارهای جستجوی گروهی مارماهیهای الکتریکی برای یافتن غذا که در طبیعت به نمایش میگذارند الهام گرفته است. هدف تحقیق حاضر، معرفی و شناساندن الگوریتم بهینهسازی غذایابی مارماهی الکتریکی به محققان جهت بکارگیری در حل مسائل بهینهسازی میباشد. در این تحقیق، الگوریتم بهینهسازی غذایابی مارماهی الکتریکی برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده الگوریتم بهینهسازی غذایابی مارماهی الکتریکی با الگوریتم بهینهسازی حسابی، الگوریتم بهینهسازی شعله-پروانه، الگوریتم سینوس کسینوس، و الگوریتم بهینهسازی نهنگ مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی غذایابی مارماهی الکتریکی در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی ماهی چسبنده(Remora optimization algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2021 در ژورنال معتبر Expert Systems With Applications از انتشارات الزویر چاپ شده است. در این تحقیق، الگوریتم بهینهسازی ماهی چسبنده برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده الگوریتم بهینهسازی ماهی چسبنده با الگوریتم بهینهسازی شاهین هریس(Harris Hawks Optimizer) و الگوریتم بهینهسازی شعله-پروانه(Moth-Flame Optimization Algorithm)، الگوریتم بهینهسازی نهنگ(Whale Optimization Algorithm) و الگوریتم گرگ خاکستری(Grey Wolf Optimizer) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی ماهی چسبنده در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی جستجوی گذرا(Transient search optimization) یکی از الگوریتمهای فراابتکاری است که در سال 2020 در ژورنال معتبر Applied Intelligence از انتشارات اشپرینگر چاپ شده است. این الگوریتم برگرفته از جریان الکتریکی مدارهای برق است. در این تحقیق، الگوریتم بهینهسازی جستجوی گذرا برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده الگوریتم بهینهسازی جستجوی گذرا با الگوریتم بهینهسازی اجتماع ذرات(Particle swarm optimization)، الگوریتم جستجوی گرانشی(Gravitational Search Algorithm)، الگوریتم بهینهسازی نهنگ (Whale Optimization Algorithm)، الگوریتم تکامل تفاضلی(Differential Evolution) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی جستجوی گذرا در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.