الخوارزمية الحسابية المعدلة تعتمد على طريقة التدرج المترافق الجديدة
DOI:
https://doi.org/10.54153/sjpas.2025.v7i2.1082الكلمات المفتاحية:
الامثلية،خوارزمية الامثلية الحسابية، طرائق التدرج المترافق، الخوارزمية الحدسيةالملخص
في هذا البحث، تم اقتراح خوارزمية هجينة جديدة، تجمع بين خوارزمية التحسين الحسابي (AOA) وهي خوارزمية وصفية تستخدم سلوك التوزيع للعمليات الحسابية الأساسية في الرياضيات، مثل الضرب (M)، والقسمة (D). والطرح (S)، والإضافة (A)، باستخدام خوارزمية التدرج المترافق الكلاسيكية (CGA). تُستخدم خصائص CGA لتعزيز المجموعة الأولية، والتي يتم إنشاؤها عشوائيًا باعتبارها المجموعة الأولية لخوارزمية AOA. نتائج الخوارزمية الهجينة أفضل بكثير من نتائج الخوارزمية الأصلية. ومن خلال هذا النهج المختلط، يتم التوصل إلى الحلول المثلى لمعظم الوظائف، مع الحصول على الحد الأدنى من القيم لهذه الوظائف. توضح المقارنة بين الخوارزميات الأصلية والهجينة أن الخوارزمية الهجينة تتفوق على الخوارزمية الأصلية. تم استخدام ست وظائف، مع إجراء مقارنات عند 500 و1000 تكرار.
المراجع
1. W. I. Zangwill (1967). Non-linear programming via penalty functions. Management science, 13(5), 344-358, 1967.
2. X.-S. Yang (2010). Engineering optimization: an introduction with metaheuristic applications. John Wiley & Sons, USA.
3. T. E. Bruns & D. A. Tortorelli (2001). Topology optimization of non-linear elastic structures and compliant mechanisms, Computer methods in applied mechanics and engineering, 190(26-27), 3443-3459.
4. N.Kokash (2005). An introdaction to heuristic algorithms, Dep.Informatics Telecommun.
5. E.-G. Tallbi (2009). Metaheuristics: from design to implementation, John Wiley & Sons.
6. M. O. Okwu & L. K. Tartibu (2020). Metaheuristic Optimization: Nature-Inspired Algorithms Swarm and Computational Intelligence Theory and Applications, Springer Nature.
7. Abualigah, L., Diabat, A., Mirjalili, S., Abd Elaziz, M. & Gandomi, A.H. (2021). The arithmetic optimization algorithm. Computer methods in applied mechanics and engineering, 376, 113609.
8. M. J. D. (1976). Powell, Some convergence properties of the conjugate gradient method, Mathematical Programming, 11(1), 42-49.
9. J. Nocedal & S. J. (2006). Wright, Conjugate gradient methods, Numerical optimization. Springer.
10. B. T. Polyak (1969). The conjugate gradient method in extremal problems, USSR Computational Mathematics and Mathematical Physics, 9(4), 94-112.
11. Antoniou, A. & Lu, W., (2007). Practical Optimization, algorithms and engineering application. Springer Science& Business Media, LLC. USA.
12. Beale, E.M.L. (1988). Introduction to Optimization. Wiley-Interscience. Wiley–Blackwell. USA.
13. Laylani, Y.A., Hassan, B.A. & Khudhur, H.M. (2023). Enhanced spectral conjugate gradient methods for unconstrained optimization. Computer Science, 18(2), 163-172.
التنزيلات
منشور
إصدار
القسم
الرخصة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
Copyright Notice
Authors retain copyright and grant the SJPAS journal right of first publication, with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in Samarra Journal of Pure and Applied Science.
The Samarra Journal of Pure and Applied Science permits and encourages authors to archive Pre-print and Post-print items submitted to the journal on personal websites or institutional repositories per the author's choice while providing bibliographic details that credit their submission, and publication in this journal. This includes the archiving of a submitted version, an accepted version, or a published version without any Risks.
