دانلود مقاله ترجمه شده بهینه سازی هریس هاوکس: الگوریتم و کاربردها

چکیده

در این مقاله یک پارادایم بهینه ­سازی نوین به نام «بهینه ­ساز هریس هاوکس» (HHO) مطرح شده است. این پارادایم که در رده­ی الگوریتم ­های مبتنی بر جمعیت قرار می ­گیرد، برگرفته از رفتار همکارانه و شگرد تعقیب شاهین­ های هریس می­ باشد که به «حمله غافل­گیرانه» مشهور است. در این استراتژی هوشمند، چندین شاهین به صورت همکارانه یک طعمه را از جهت­ های مختلف مورد حمله قرار داده و سعی می­ کنند آن را غافل­ گیر کنند. شاهین­ های هریس می ­توانند بسته به ذات پویایی سناریوها و الگوی فرار طعمه، از الگوهای تعقیب مختلفی استفاده کنند. در این مطالعه، با استفاده از روابط ریاضی این الگوها و رفتارهای پویا فرمول ­بندی شده تا یک الگوریتم بهینه سازی حاصل شود. کارآمدی بهینه ­ساز HHO بر روی ۲۹ مسئله معیار و چندین مسئله مهندسی واقعی، با سایر روش ­های الهام گرفته از طبعیت مورد مقایسه قرار گرفته است. نتایج آماری و نتایج بدست آمده از مقایسات نشان می­ دهند که عملکرد الگوریتم HHO بسیار امیدوار کننده بوده و با روش ­های متاهیوریستیک نوین قابل رقابت است.

1-مقدمه

در یادگیری ماشین و هوش مصنوعی، بسیاری از مسائل دنیای واقعی معمولا دارای ذات پیوسته، گسسته، مقید و یا نامقیدی می­ باشند [۱، ۲]. بر همین اساس برای حل برخی از این مسائل، رویکردهای مرسوم برنامه ­ریزی از جمله گرادیان مزدوج، برنامه­ ریزی درجه دوم متوالی، سریع ­ترین کاهش، و روش شبه-نیوتن کارایی مناسبی ندارند...