موسسه آموزش عالی آپادانا نشریه مطالعات مهندسی کامپیوتر آپادانا - Wild Geese Algorithm مروری برالگوریتم غاز وحشی: یک الگوریتم جدید برای بهینه‌سازی در مقیاس بزرگ بر اساس زندگی طبیعی غازهای وحشی 10.22051/jera.2021.31891.2698 FA حسین - In many real-world applications, nature-inspired search algorithms have been used to solve numerical optimization problems. This paper introduces a new and efficient algorithm, called the Wild Goose Algorithm (WGA), which is designed for large-scale global optimization. Inspired by the natural behavior of wild geese, this algorithm simulates the processes of group migration, gradual evolution, and survival dynamics. To evaluate the performance of WGA, experiments are conducted on a set of high-dimensional (100, 500, and 1000 variables) IEEE CEC 2008 and CEC 2010 benchmark functions. The results show that this algorithm has a high ability to find the best possible solutions to complex optimization problems and outperforms many other popular algorithms. The key features of WGA include simplicity in implementation, high efficiency, and the ability to solve complex problems with low computational cost. Comparisons with other optimization methods show that this algorithm can provide a powerful and competitive solution for solving large and complex problems. Also, the source code of this algorithm is freely available on GitHub and is available to those interested. This study shows that WGA can be used for a variety of applications such as engineering systems optimization, scheduling, routing in complex networks, and other large-scale decision-making problems. 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. /downloadfilepdf/341952