بررسی تأثیر پارامترهای جمعیت و تعداد تکرار در الگوریتم گرگ خاکستری برای حل مسائل بهینه‌سازی چندقله‌ای
کد مقاله : 1359-ISME2026
نویسندگان
پیمان ابوالقاسمی ابیانه1، آرزو هوازاده2، سعید گلابی *2
1.
2ندارد
چکیده مقاله
در این مطالعه، الگوریتم گرگ خاکستری (Grey Wolf Optimizer - GWO) برای بهینه‌سازی یک تابع دو بعدی چندقله‌ای پیچیده مورد استفاده قرار گرفت. این الگوریتم با شبیه‌سازی سلسله‌مراتب گرگ‌ها (آلفا، بتا، دلتا و امگا) و بهره‌گیری از مکانیزم‌هایی مانند محاصره و حمله، فضای جستجو را به‌صورت هوشمند کاوش می‌کند. تابع مورد بررسی دارای چندین نقطه بهینه محلی با اوج‌های متفاوت است و هدف، یافتن مقدار حداکثری آن می‌باشد. نتایج آزمایش‌ها نشان داد که افزایش تعداد حلقه‌های تکرار الگوریتم، تأثیر قابل توجهی بر دقت نتایج ندارد و تکرار بیشتر، بهبود محسوسی در جواب‌های بهینه ایجاد نمی‌کند. در مقابل، افزایش تعداد گرگ‌های شرکت‌کننده در الگوریتم، درصد دستیابی به جواب‌های صحیح و نزدیک به بهینه را افزایش می‌دهد، به‌گونه‌ای که جمعیت بزرگ‌تر شانس رسیدن به پاسخ‌های بهتر را بهبود می‌بخشد. این یافته‌ها نشان‌دهنده اهمیت تنظیم مناسب پارامتر جمعیت نسبت به تعداد تکرار حلقه‌ها در GWO بوده و می‌تواند راهنمای مفیدی برای کاربردهای مشابه در بهینه‌سازی باشد.
کلیدواژه ها
الگوریتم گرگ خاکستری (GWO)، بهینه سازی، حل مسائل مهندسی، تحلیل داده ها
وضعیت: پذیرفته شده برای ارائه شفاهی