ترکیب الگوریتم کپک مخاطی با الگوریتم بهینه‌سازی حسابی برای حل مسائل بهینه‌سازی پیوسته

الگوریتم کپک مخاطی (Slime Mold Algorithm یا SMA) و الگوریتم بهینه‌سازی حسابی (Arithmetic Optimization Algorithm یا AOA) دو الگوریتم فراابتکاری نوین در حوزه بهینه‌سازی هستند. الگوریتم کپک مخاطی از توانایی بالایی در جستجوی سراسری برخوردار است؛ اما اثر نوسانی آن در مراحل پایانی تکرار ضعیف است و در نتیجه، یافتن موقعیت بهینه در توابع پیچیده برای آن دشوار می‌شود. از سوی دیگر، الگوریتم بهینه‌سازی حسابی برای به‌روزرسانی موقعیت از عملگرهای ضرب و تقسیم استفاده می‌کند که از تصادفی‌بودن بالا و توانایی همگرایی مناسبی برخوردارند. لذا، در این مقاله دو الگوریتم مذکور با یکدیگر ادغام شده‌اند. در نتیجه، یک الگوریتم ترکیبی جدید با عنوان «الگوریتم ترکیبی کپک لجن و بهینه‌سازی حسابی مبتنی بر یادگیری مرکز تصادفی و جهش بازآغازی» (RCLSMAOA) پیشنهاد شده است. الگوریتم بهبودیافته، در بخش اکتشاف سراسری (Global Exploration)، فرمول به‌روزرسانی موقعیت الگوریتم کپک مخاطی را حفظ می‌کند. اما در مرحله همگرایی، بخش بهره‌برداری محلی (Local Exploitation) الگوریتم کپک مخاطی را با سازوکار ضرب و تقسیمِ الگوریتم بهینه‌سازی حسابی جایگزین می‌کند. هم‌زمان، راهبرد یادگیری مرکز تصادفی برای افزایش کارایی جست‌وجوی سراسری و ارتقای تنوع جمعیت الگوریتم به کار گرفته می‌شود. افزون بر این، راهبردهای بازآغازی و جهش نیز برای بهبود دقت همگرایی الگوریتم و تقویت توانایی بهینه‌سازی آن در مراحل پایانی اجرا مورد استفاده قرار می‌گیرند. نتایج آزمایش‌ها نشان می‌دهد که الگوریتم بهبودیافته در مقایسه با الگوریتم کپک لجن و الگوریتم بهینه‌سازی حسابی از کارایی و اثربخشی مطلوبی برخوردار است.