طراحی یک الگوریتم فرا ابتکاری جدید بر اساس رفتار توابع ریاضی (xCos(x و tanh(x)

امروزه استفاده از روش های فرا ابتکاری برای دست یابی به پاسخ های رضایتبخش در بهینه یابی ترکیبیاتی رشد چشمگیری یافته است. به دلیل نزدیک شدن مسائل به شرایط موجود در دنیای واقعی و در نتیجه افزایش پیچیدگی مسائل و ناتوانی روش های ریاضی فعلی برای ارائه نقطه بهینه با صرف معقول منابع، این اقبال تشدید شده است. توسعه روش های فرا ابتکاری معمولا با بررسی نحوه بهینه-یابی در طبیعت و الهام گرفتن از آن صورت می گیرد که از جمله می توان به الگوریتم ژنتیک، الگوریتم مورچگان و شبیه سازی تبرید اشاره کرد.
الگوریتم پیشنهادی این مقاله، با بررسی رفتار جالب توجه دو تابع (xCos(x و tanh(x) در حلقه های تکرار، توسعه یافته است و روشی برای یافتن همسایگی در توابع پیوسته ارائه می دهد که نسبت به الگوریتم بهینه یابی شبیه سازی تبرید و الگوریتم شبیه سازی تبرید مبتنی بر تئوری ابر، عملکرد بهتری از نظر دقت و سرعت دارد. برتری الگوریتم پیشنهادی به دو الگوریتم یاد شده، با مقایسه عملکرد این الگوریتم ها در یافتن نقطه (نقاط) بهینه هفت تابع پیوسته معروف به اثبات رسید.