ادغام الگوریتم‌های بازار بورس، ملکه زنبور عسل و تکامل مختلط تصادفی برای بهینه‌سازی تابع چند متغیره

doi
10.22034/tjee.2024.57954.4689
چکیده

در این مقاله، سه الگوریتم فراابتکاری شناخته‌شده شامل الگوریتم بازار بورس، الگوریتم تکامل پیچ درهم و الگوریتم زنبور ملکه به منظور ارائه سه الگوریتم تکاملی ترکیبی جدید با نام‌های EMA-QB، EMA-SCE و EMA-SCE-QB مورد بررسی قرار گرفته‌اند. به‌منظور تحلیل و ارزیابی کارایی و اثربخشی این الگوریتم‌های ترکیبی، عملکرد آن‌ها با الگوریتم‌های EMA، SCEو QB در حل 12 تابع محک با تعداد متغیرهای ۱۰، ۲۰، ۳۰ و ۵۰ مقایسه شده است. نتایج نشان می‌دهد که ترکیب الگوریتم‌ها منجر به بهبود عملکرد در جستجوی نقطه بهینه از نظر دقت و زمان شده است، به‌گونه‌ای که این بهبود با افزایش تعداد متغیرها ملموس‌تر می‌شود. در نهایت، مجموع زمان اجرای الگوریتم‌ها، کمینه مقدار توابع هدف، و تعداد تکرارهای لازم برای بهینه‌سازی تمامی توابع مورد بررسی، در قالب چهار نمودار برای هر تعداد متغیر به تصویر کشیده شده‌اند که نشان‌دهنده موفقیت الگوریتم‌های ترکیبی پیشنهادی است.