الگوریتمهای فراابتکاری نقش مهمی در حل مسائل پیچیده و غیرخطی در علوم مهندسی ایفا میکنند. الگوریتم بهینهسازی گرگ خاکستری (GWO (یکی از موثرترین الگوریتمها در این حوزه است که از رفتار اجتماعی و استراتژیهای شکار گرگهای خاکستری الهام گرفته شده است. وین مقاله به بررسی GWO و نسخه بهبود یافته آن (GWO-I (میپردازد که شامل استراتژیهای نوآورانهای مانند جهش بُعدی است. عالوه بر برجسته کردن نقاط قوت و ضعف این الگوریتمها، ایدهای نوین برای بهبود بیشتر ارائه میشود که میتواند دقت و کارایی را در مسائل چندبعدی بهبود بخشد. الگوریتمهای بهینهسازی به عنوان ابزارهای اساسی برای حل مسائل پیچیده در حوزههای مختلف مهندسی شناخته شدهاند GWO .با ساختار ساده و رویکرد الهامگرفته از طبیعت، در زمینههایی مانند بهینهسازی سازه، طراحی مخازن و مدیریت منابع موفق عمل کرده است. با این حال، چالشهایی مانند گیر افتادن در بهینههای محلی و کاهش تنوع جمعیت بر نیاز به نسخههای بهبود یافتهای مانند GWO-I تأکید دارند. این مقاله نوآوری جدیدی را برای پیشرفت بیشتر این الگوریتم معرفی میکند و همچنین به بررسی پتانسیلهای آینده در بهبود و کاربردهای آن میپردازد .

الگوریتم بهینهسازی گرگ خاکستری فراابتکاری طراحی سازه استراتژی جستجوی ابعادی مسائل مهندسی