بهبود الگوریتم گرگ خاکستری با استفاده از شبکه عصبی عمیق و فازی سازی پارامترها

Abstract

الگوریتم گرگ خاکستری یک الگوریتم فرا ابتکاری میباشد که از رفتارهای اجتماعی، شیوه رهبری و مکانیزم شکار گرگهای خاکستری الهام گرفته شده است. سلسله مراتب رهبری در این الگوریتم توسط گرگهای آلفا، بتا، دلتا و امگا تعیین شده است و سه مرحله شکار شامل جستجوی طعمه، محاصره طعمه و حمله به طعمه را شامل میشود. هدف اصلی این مقاله کنترل فازی پارامترهای الگوریتم و استفاده از شبکه عصبی عمیق برای محاسبه بهترین عامل در هر جستجو میباشد، با افزایش پیچیدگی در مسائل بهینهسازی یافتن جواب بهینه سراسری از نظر محاسباتی و زمانی، بسیار هزینهبر خواهد بود و روند همگرایی الگوریتم به پاسخ بهینه طوالنی میباشد و سبب افزایش پیچیدگی عملیاتی میگردد. روش پیشنهادی توسط 32 تابع معیار مورد تجزیه و تحلیل قرار گرفته است که در مقایسه با الگوریتم گرگهای خاکستری و الگوریتم ازدحام ذرات عملکرد بهتری در یافتن پاسخ بهینه و همچنین سرعت همگرایی به پاسخ بهینه را دارد