الگوریتم بهینهسازی ازدحام گربه شنی بهبودیافته برای حل مسائل بهینه سراسری
الگوریتم بهینهسازی ازدحام گربه شنی(sand cat swarm optimization algorithm) یکی از الگوریتمهای فراابتکاری است که برای حل مسائل بهینهسازی ابداع شده است. در الگوریتم بهینهسازی ازدحام گربه شنی با افزایش تعداد تکرارها، راندمان حرکت گربه شنی کاهش مییابد و در نتیجه توانایی جستجو کاهش مییابد. لذا سرعت همگرایی الگوریتم به تدریج کاهش مییابد و به راحتی در بهینه محلی قرار میگیرد و یافتن راه حل بهینه دشوار میشود. به منظور بهبود راندمان جستجو و حرکت گربه شنی، و افزایش توانایی بهینهسازی سراسری و عملکرد همگرایی، الگوریتم بهبودیافته بهینهسازی گربه شنی(ISCSO) در سال 2024 در انتشارات Springer پیشنهاد شده است. در الگوریتم ISCSO، یک استراتژی جستجوی نویز فرکانس پایین(low-frequency noise search strategy) و یک استراتژی راه رفتن انقباض مارپیچی(spiral contraction walking strategy) با توجه به عادت گربه شنی پیشنهاد شده است. همچنین استراتژی یادگیری مبتنی بر مخالفت تصادفی(random opposition-based learning) به الگوریتم SCSO اضافه شده است. ارزیابی مدل بهبودیافته روی 23 تابع پیوسته اجرا شده است. در شبیهسازی پیوست شده، مدل ISCSO با الگوریتم بهینهسازی ازدحام گربه شنی، الگوریتم بهینهسازی نهنگ و الگوریتم الگوریتم بهینهسازی حسابی(Arithmetic Optimization Algorithm) مقایسه شده است. نتایج این شبیهسازی نشان میدهد که الگوریتم بهینهسازی ازدحام گربه شنی بهبودیافته در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.