بررسی الگوریتم بهینه‌سازی مونگوس کوتوله برروی توابع پیوسته

بررسی الگوریتم بهینه‌سازی مونگوس کوتوله برروی توابع پیوسته

الگوریتم بهینه‌سازی مونگوس کوتوله(Dwarf Mongoose Optimization Algorithm) یکی از الگوریتم‌های فراابتکاری است که در سال 2022 ابداع شده است. این الگوریتم در ژورنال معتبر Computer Methods in Applied Mechanics and Engineering از انتشارات الزویر چاپ شده است. در این تحقیق، الگوریتم بهینه‌سازی مونگوس کوتوله برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیه‌سازی پیوست شده، الگوریتم بهینه سازی مونگوس کوتوله با الگوریتم بهینه‌سازی گرگ خاکستری(Grey Wolf Optimizer)، الگوریتم اجتماع سالپ(Salp Swarm Algorithm)، الگوریتم سینوس کسینوس(Sine Cosine Algorithm) و الگوریتم بهینه‌سازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی این شبیه‌سازی نشان می‌دهد که الگوریتم بهینه‌سازی مونگوس کوتوله در مقایسه با الگوریتم‌های ذکر شده، یک بهینه‌ساز با عملکرد بالا است.