طراحی الگوریتم بهینه‌سازی چندهدفه به کمک الگوریتم جغرافیای زیستی و الگوریتم تکاملی تفاضلی

بهینه‌سازی بر پایه‌ جغرافیای زیستی، الگوریتم تکاملی جدیدی بر اساس جمعیت است که ریاضیات جغرافیای زیستی، بر آن حاکم است و الگوریتم تکامل ‌تفاضلی، الگوریتمی قدرتمند برای حل بسیاری از مسائل بهینه‌سازی است. الگوریتم تکامل ‌تفاضلی در اکتشاف فضای جستجو و تعیین مکان مینیمم سراسری خوب، ولی در استخراج راه‌حل مسأله کند است. در این مقاله قابلیت اکتشاف الگوریتم تکامل ‌تفاضلی با قابلیت استخراج الگوریتم بهینه‌سازی بر پایه‌ جغرافیای زیستی، ادغام شده و با معرفی یک عملگر مهاجرت ترکیبی، الگوریتم جدیدی برای حل مسائل بهینه‌سازی چندهدفه ارائه شده است. در الگوریتم پیشنهادی از فرایند مرتب‌سازی غیرمغلوب برای بهبود همگرایی و از مفهوم فاصله جمعیتی محلی برای حفظ پراکندگی اعضای موجود در مجموعه پرتو استفاده شده است. در این مقاله کارایی الگوریتم پیشنهادی با استفاده از چند تابع آزمون رایج آزمایش شده و معیارهای مطرح در مسائل بهینه‌سازی چندهدفه تکاملی، ارزیابی و با الگوریتم‌های مطرح در این زمینه مقایسه شده است. نتایج حاصل بیانگر کارایی مطلوب الگوریتم پیشنهادی در رقابت با سایر الگوریتم‌های مطرح است.