الگوریتمهای فراابتکاری
دستهبندی و معرفی الگوریتمهای فراابتکاری (Metaheuristic Algorithms)
الگوریتمهای فراابتکاری بهعنوان ابزارهایی قوی برای حل مسائل پیچیده بهینهسازی شناخته میشوند. این الگوریتمها براساس الهام از طبیعت، رفتارهای زیستی، و اصول فیزیکی طراحی شدهاند. در ادامه، لیستی از الگوریتمهای معروف به همراه نام فارسی، انگلیسی و اختصار آنها آورده شده است.
لیست کامل الگوریتم های فراابتکاری از ابتدا تا 2025
1. الگوریتمهای تکاملی (Evolutionary Algorithms)
- الگوریتم ژنتیک (Genetic Algorithm – GA)
- الهامگرفته از تکامل زیستی شامل ترکیب ژنها، جهش و انتخاب نسل برتر.
- الگوریتم تکامل تفاضلی (Differential Evolution – DE)
- بر پایه ایجاد تنوع و مقایسه تفاوت بین اعضای جمعیت برای بهبود راهحلها.
- الگوریتم رقابت استعماری (Imperialist Competitive Algorithm – ICA)
- الهامگرفته از فرآیند استعمار و رقابت بین امپراطوریها برای گسترش قلمرو.
- الگوریتم علف هرز مهاجم (Invasive Weed Optimization – IWO)
- بر اساس گسترش و تکثیر علفهای هرز در محیط.
2. الگوریتمهای مبتنی بر هوش جمعی (Swarm Intelligence Algorithms)
- الگوریتم ازدحام ذرات (Particle Swarm Optimization – PSO)
- الهامگرفته از رفتار گروهی ذرات برای جستجوی بهینهترین نقاط.
- الگوریتم کلونی مورچهها (Ant Colony Optimization – ACO)
- شبیهسازی رفتار مورچهها در جستجوی کوتاهترین مسیرها برای پیدا کردن غذا.
- الگوریتم کلونی زنبورها (Bee Algorithm – BA)
- الگوریتمی مبتنی بر رفتار زنبورها در جستجوی منابع غذایی.
- الگوریتم زنبور عسل مصنوعی (Artificial Bee Colony – ABC)
- شبیهسازی کار زنبورهای کارگر و ملکه برای بهینهسازی.
- الگوریتم گرگ خاکستری (Grey Wolf Optimizer – GWO)
- الهامگرفته از ساختار اجتماعی و رفتار شکار گرگهای خاکستری.
- الگوریتم سنجاقک (Dragonfly Algorithm – DA)
- شبیهسازی رفتار سنجاقکها در حرکت گروهی.
- الگوریتم کفتار خالدار (Spotted Hyena Optimizer – SHO)
- شبیهسازی رفتار شکار کفتارهای خالدار در طبیعت.
- الگوریتم شکارچیان دریایی (Marine Predators Algorithm – MPA)
- شبیهسازی رفتار شکارچیان دریایی در جستجوی طعمه.
- الگوریتم وال (نهنگ) (Whale Optimization Algorithm – WOA)
- الگوریتم پنگوئن امپراتور (Emperor Penguin Optimizer – EPO)
- شبیهسازی رفتار پنگوئنهای امپراتور در مهاجرت و جستجوی غذا.
- الگوریتم عقاب طلایی (Golden Eagle Optimizer – GEO)
- الهامگرفته از رفتار عقابهای طلایی در جستجوی شکار.
3. الگوریتمهای مبتنی بر رفتارهای زیستی (Bio-Inspired Algorithms)
- الگوریتم خفاش (Bat Algorithm – BA)
- شبیهسازی رفتار خفاشها در جستجوی شکار با استفاده از مکانیابی صوتی.
- الگوریتم وال (Whale Optimization Algorithm – WOA)
- شبیهسازی رفتار شکار والها با استفاده از حرکت حلقهای.
- الگوریتم فاخته (Cuckoo Search – CS)
- شبیهسازی رفتار فاختهها در تخمگذاری در لانههای دیگر پرندگان.
- الگوریتم سفرهماهی (Manta Ray Foraging Optimization – MRFO)
- الهامگرفته از رفتار سفرهماهیها در جستجوی غذا.
- الگوریتم گربه (Cat Swarm Optimization – CSO)
- شبیهسازی رفتار گربهها در جستجوی محیط اطراف.
- الگوریتم کرکس آفریقایی (African Vulture Optimization Algorithm – AVOA)
- شبیهسازی رفتار کرکسهای آفریقایی برای یافتن لاشه.
- الگوریتم گله اسب (Horse Herd Optimization – WHO)
- شبیهسازی رفتار اجتماعی اسبهای وحشی.
- الگوریتم مار ماهی (Eel Optimization Algorithm – EOA)
- شبیهسازی حرکت و جستجوی مار ماهیها.
- الگوریتم غزال کوهستانی (Mountain Gazelle Optimizer – MGO)
- شبیهسازی حرکت سریع و هدفمند غزالها.
4. الگوریتمهای الهامگرفته از فرآیندهای فیزیکی یا ریاضی
- الگوریتم شبیهسازی تبرید (Simulated Annealing – SA)
- الهامگرفته از فرآیند سرد کردن فلزات برای رسیدن به ساختار پایدار.
- الگوریتم جستجوی گرانشی (Gravitational Search Algorithm – GSA)
- شبیهسازی نیروی جاذبه بین ذرات.
- الگوریتم بهینهسازی شعله پروانه (Moth-Flame Optimization – MFO)
- الهامگرفته از حرکت پروانهها در جهت نور.
- الگوریتم بهینهسازی سارتعادل (Equilibrium Optimizer – EO)
- شبیهسازی تعادل فیزیکی در سیستمهای پیچیده.
- الگوریتم سیاهچاله (Black Hole Algorithm – BHA)
- شبیهسازی پدیده جذب در سیاهچالهها.
- الگوریتم بهینه ساز چند نظمی Multi-verse Optimizer – MVO
- الگوریتم سینوس و کسینوس (Sine Cosine Algorithm – SCA)
- الگوریتمی مبتنی بر توابع ریاضی سینوس و کسینوس برای جستجو.
5. الگوریتمهای مبتنی بر تئوری هوش مصنوعی و یادگیری
- الگوریتم حسابی (Arithmetic Optimization Algorithm – AOA)
- الهامگرفته از عملیاتهای محاسباتی در ریاضیات.
- الگوریتم بهینهسازی اکوسیستم مصنوعی (Artificial Ecosystem Optimization – AEO)
- شبیهسازی تعاملات اکوسیستمهای زیستی.
- الگوریتم یادگیری مبتنی بر آموزش (Teaching-Learning-Based Optimization – TLBO)
- الهامگرفته از فرآیند آموزش در کلاس درس.
6. الگوریتمهای ترکیبی و نوین
- الگوریتم شاهین (Harris Hawk Optimizer – HHO)
- شبیهسازی رفتار شاهینها در شکار گروهی.
- الگوریتم جغرافیای زیستی (Biogeography-Based Optimization – BBO)
- بر اساس مهاجرت گونهها بین زیستگاهها.
- الگوریتم علی بایا و چهل دزد (Ali Baba and Forty Thieves Optimization)
- الهامگرفته از قصههای علی بابا برای کشف مسیرهای بهینه.
نتیجهگیری
الگوریتمهای فراابتکاری طیف گستردهای از ابزارهای الهامگرفته از طبیعت، رفتارهای زیستی، و فرآیندهای فیزیکی را برای حل مسائل بهینهسازی ارائه میدهند. این الگوریتمها بسته به نوع مسئله و نیاز، انتخاب میشوند و در بسیاری از حوزهها مانند مهندسی، علوم داده و هوش مصنوعی کاربرد دارند.
مدرس: حسن سعادتمند
- بیش از 250 دوره آموزشی در متلب (MATLAB) و پایتون (Python).
- بیش از 15 سال تجربه در زمینه یادگیری ماشین، الگوریتم های فراابتکاری، یادگیری عمیق، مهندسی کنترل.
- چاپ چندین مقاله Q1 در بهترین ژرنال های دنیا Google Scholar.
- مدرس فرادرس
- کانال یوتیوب، کانال اپارت، کانال تلگرام، کانال ایتا
نمایش 1–9 از 74 نتیجه












