الگوریتم فرا ابتکاری دسته والد-فرزند مبتنی بر حافظه و خوشه بندی جهت بهینه سازی پویا

تاکنون روش های مختلفی برای بهینه سازی ارایه شده است و یکی از معروف ترین روش های بهینه سازی، الگوریتم های هوش جمعی هستند. بسیاری از مسایل بهینه سازی اخیر در دنیای واقعی طبیعت پویا دارند؛ بنابراین، الگوریتم بهینه سازی برای حل مسایل در محیط های پویا مورد نیاز است. الگوریتم دسته والد-فرزند مبتنی بر حافظه و خوشه بندی (CMPCS)، گونه ای از الگوریتم های هوش جمعی و برگرفته شده از طبیعت است، که در این مقاله ارایه شده است. این روش به رفتار فردی و گروهی وابسته است، در این الگوریتم برای افزایش کارآیی از یک حافظه با خوشه بندی و دافعه استفاده شده است. روش CMPCS پیشنهاد شده بر روی محک قله های متحرک (MPB) آزمایش شده است. MPB یک محک خوب برای ارزیابی کارایی الگوریتم های بهینه سازی در محیط های پویا است. نتایج تجربی در MPB نشان می دهد که روش پیشنهادی CMPCS کارایی مناسب تری نسبت به روش های دیگر حل مسایل بهینه سازی پویا دارد.