الگوریتم بهینهسازی مرغ دریایی(Seagull optimization algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2019 ابداع شده است. این الگوریتم در ژورنال معتبر Knowledge-Based Systems چاپ شده است. در این تحقیق، الگوریتم بهینهسازی مرغ دریایی برروی توابع پیوسته بررسی شده است. الگوریتم بهینهسازی مرغ دریایی برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. الگوریتم بهینهسازی مرغ دریایی با الگوریتم سینوس کسینوس(Sine Cosine Algorithm)، الگوریتم بهینهسازی شعله-پروانه(Moth-Flame Optimization Algorithm)، و الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی نشان میدهد که الگوریتم بهینهسازی مرغ دریایی در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
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 ترکیبی آشوبناک برمبنای الگوریتم سینوس کسینوس(SCA) با الگوریتم بهینهسازی شاهین هریس(HHO) برای حل مسائل بهینهسازی پیوسته پیشنهاد شده است. برای بهبود الگوریتم سینوس کسینوس از الگوریتم بهینهسازی شاهین هریس استفاده شده است. الگوریتم بهینهسازی شاهین هریس قابلیت همگرایی سریع در رسیدن به راه حل بهینه دارد. از سوی دیگر، برای جلوگیری از به دام افتادن در بهینه محلی از نگاشت آشوب به منظور متنوعتر کردن افراد جمعیت در مدل ترکیبی استفاده شده است. آزمایشهای شبیهسازی در محیط متلب 2017 برروی 27 تابع استاندارد CEC 2014 انجام شده است. نتایج شبیهسازی با الگوریتم بهینهسازی شاهین هریس و الگوریتم سینوس کسینوس مقایسه شده است.
الگوریتم جستجوی عقاب سرسفید(Bald Eagle Search Algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2019 ابداع شده است. این الگوریتم در ژورنال معتبر Artificial Intelligence Review از انتشارات اشپرینگر چاپ شده است. در این تحقیق، الگوریتم جستجوی عقاب سرسفید برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده، الگوریتم جستجوی عقاب سرسفید با الگوریتم بهینهسازی گرگ خاکستری(Grey Wolf Optimizer)، 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 عقاب سرسفید در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است