Apadana موسسه آموزش عالی آپادانا Journal of Apadana ........... نشریه مطالعات مهندسی کامپیوتر آپادانا - A review of solving the flexible job shop scheduling problem using the improved grey wolf optimization algorithm (SS-GWO) مروری بر حل مسئله زمان‌بندی کارگاه‌های تولیدی انعطاف‌پذیر با استفاده از الگوریتم بهینه‌سازی گرگ خاکستری بهبود یافته (SS-GWO) FA seyedeh akram mousavi Master's student سیده اکرم موسوی دانشجوی کارشناسی ارشد موسسه kimia bazargan assistant professor کیمیا بازرگان لاری استادیار zahra ekramzade instructor زهرا اکرام زاده مربی The Grey Wolf Optimization (GWO) algorithm is a powerful metaheuristic method inspired by the hunting and social behavior of grey wolves. With its simple structure and strong ability to escape local optima, GWO has become one of the most popular approaches for solving complex optimization problems. This paper introduces the features, advantages, and disadvantages of GWO while reviewing its improved versions, such as SS-GWO, and its hybrid algorithms combined with the Whale Optimization Algorithm (WOA). The SS-GWO algorithm, leveraging spiral mechanisms and combining local and global search, has demonstrated superior performance in solving industrial problems such as scheduling and resource management. Additionally, the combination of GWO and WOA has shown more stable and accurate performance in high-dimensional and large-scale problems. Finally, suggestions are provided for improving these algorithms and expanding their applications to multi-objective problems. الگوریتم بهینه‌سازی گرگ خاکستری (GWO) یکی از روش‌های فراابتکاری قدرتمند است که بر اساس رفتار شکار و اجتماعی گرگ‌های خاکستری طراحی شده است. این الگوریتم با ساختاری ساده و توانایی بالا در فرار از بهینه‌های محلی، به یکی از روش‌های محبوب برای حل مسائل پیچیده بهینه‌سازی تبدیل شده است. در این مقاله، ضمن معرفی ویژگی‌ها، مزایا و معایب GWO، به بررسی نسخه‌های بهبودیافته نظیر SS-GWO و الگوریتم‌های ترکیبی آن با الگوریتم نهنگ (WOA) پرداخته می‌شود. الگوریتم SS-GWO با استفاده از مکانیزم‌های مارپیچی و ترکیب جستجوی محلی و جهانی، عملکرد بهتری در حل مسائل صنعتی نظیر زمان‌بندی و مدیریت منابع ارائه داده است. همچنین، ترکیب GWO و WOA توانسته است در مسائل چندبعدی و بزرگ‌مقیاس عملکردی پایدارتر و دقیق‌تر داشته باشد. در نهایت، پیشنهاداتی برای بهبود این الگوریتم‌ها و گسترش کاربردهای آن‌ها در مسائل چندهدفه ارائه شده است. https://ajce.apadana.ac.ir/downloadfilepdf/386556