دوره و شماره : آماده انتشار

نویسندگان : حسین قائمی* ¹

چکیده :
در بسیاری از مسائل کاربردی دنیای واقعی، الگوریتم‌های جستجوی الهام‌گرفته از طبیعت برای حل مسائل بهینه‌سازی عددی مورد استفاده قرار گرفته‌اند. این مقاله یک الگوریتم جدید و کارآمد به نام "لگوریتم غاز وحشی(WGA)" را معرفی می‌کند که برای بهینه‌سازی جهانی در مقیاس بزرگ طراحی شده است. این الگوریتم با الهام از رفتارهای طبیعی غازهای وحشی، فرآیندهای مهاجرت گروهی، تکامل تدریجی و پویایی بقا را شبیه‌سازی می‌کند. برای ارزیابی کارایی WGA، آزمایش‌هایی روی مجموعه‌ای از توابع محک استاندارد IEEE CEC 2008 و CEC 2010 با ابعاد بالا (100، 500 و 1000 متغیر) انجام شده است. نتایج نشان می‌دهد که این الگوریتم، توانایی بالایی در یافتن بهترین جواب‌های ممکن در مسائل بهینه‌سازی پیچیده دارد و در مقایسه با بسیاری از الگوریتم‌های معروف دیگر، عملکرد بهتری ارائه می‌دهد. ویژگی‌های کلیدی WGA شامل سادگی در پیاده‌سازی، کارایی بالا و توانایی حل مسائل پیچیده با هزینه محاسباتی کم است. مقایسه‌های انجام‌شده با سایر روش‌های بهینه‌سازی نشان می‌دهد که این الگوریتم می‌تواند راهکاری قدرتمند و رقابتی برای حل مسائل بزرگ و پیچیده ارائه دهد. همچنین، کد منبع این الگوریتم به‌صورت رایگان و متن‌باز در GitHub منتشر شده و در دسترس علاقه‌مندان قرار دارد. این مطالعه نشان می‌دهد که WGA می‌تواند برای کاربردهای متنوعی مانند بهینه‌سازی سیستم‌های مهندسی، برنامه‌ریزی، مسیریابی در شبکه‌های پیچیده و سایر مسائل مرتبط با تصمیم‌گیری در مقیاس بزرگ مورد استفاده قرار گیرد.

کلمات کلیدی :
بهینه ‌سازی در مقیاس بزرگ، الگوریتم غاز وحشی، الگوریتم‌های الهام‌گرفته از طبیعت مهاجرت گروهی غازها، جستجوی جمعی و تکامل