Modified beluga whale optimization with multi-strategies for solving engineering problems ... : تحسين الحوت الأبيض المعدل مع استراتيجيات متعددة لحل المشاكل الهندسية ...

• Main Authors: Heming Jia, Quan Wen, Di Wu, Zhuo Wang, Yuhao Wang, Changsheng Wen, Laith Abualigah
• Format: Text
• Language: English
• Published: OpenAlex 2023
• Subjects: Swarm Intelligence Optimization Algorithms; Artificial Intelligence; Computer Science; Physical Sciences; Environmental Impact of Maritime Transportation Emissions; Environmental Engineering; FOS Environmental engineering; Environmental Science; Multiobjective Optimization in Evolutionary Algorithms; Computational Theory and Mathematics; Particle Swarm Optimization; Global Optimization; Multi-Objective Optimization; Nature-Inspired Algorithms; Ant Colony Optimization; Beluga Whale; Foraging; Benchmark surveying; Whale; Local optimum; Population; Beluga; Mathematical optimization; Computer science; Metaheuristic; Optimization algorithm; Optimization problem; Jump; Engineering; Artificial intelligence; Algorithm; Fishery; Geography; Mathematics; FOS Mathematics; Ecology; FOS Biological sciences; Arctic; Cartography; Physics; Demography; FOS Sociology; Quantum mechanics; Sociology; Biology; Beluga whale; Beluga*
• Online Access: https://dx.doi.org/10.60692/ykqj6-awg33; https://gresis.osc.int//doi/10.60692/ykqj6-awg33

Abstract The beluga whale optimization (BWO) algorithm is a recently proposed metaheuristic optimization algorithm that simulates three behaviors: beluga whales interacting in pairs to perform mirror swimming, population sharing information to cooperate in predation, and whale fall. However, the optimization performance of the BWO algorithm still needs to be improved to enhance its practicality. This paper proposes a modified beluga whale optimization (MBWO) with a multi-strategy. It was inspired by beluga whales' two behaviors: group gathering for foraging and searching for new habitats in long-distance migration. This paper proposes a group aggregation strategy (GAs) and a migration strategy (Ms). The GAs can improve the local development ability of the algorithm and accelerate the overall rate of convergence through the group aggregation fine search; the Ms randomly moves towards the periphery of the population, enhancing the ability to jump out of local optima. In order to verify the optimization ability ... : الملخص خوارزمية تحسين حوت البيلوغا (BWO) هي خوارزمية تحسين ميتاهوريستية مقترحة مؤخرًا تحاكي ثلاثة سلوكيات: تتفاعل حيتان البيلوغا في أزواج لأداء السباحة المرآتية، وتبادل المعلومات بين السكان للتعاون في الافتراس، وسقوط الحيتان. ومع ذلك، لا يزال أداء التحسين لخوارزمية BWO بحاجة إلى تحسين لتعزيز عمليتها. تقترح هذه الورقة تحسينًا معدلًا للحوت الأبيض (MBWO) مع استراتيجية متعددة. كان مستوحى من سلوكي الحيتان البيضاء: التجمع الجماعي للبحث عن الطعام والبحث عن موائل جديدة في الهجرة لمسافات طويلة. تقترح هذه الورقة استراتيجية تجميع المجموعات (GAs) واستراتيجية الهجرة (Ms). يمكن لـ GAS تحسين قدرة التنمية المحلية للخوارزمية وتسريع المعدل العام للتقارب من خلال البحث الدقيق لتجميع المجموعة ؛ تتحرك Ms بشكل عشوائي نحو محيط السكان، مما يعزز القدرة على القفز من Opta المحلية. من أجل التحقق من قدرة MBWO على التحسين، أجرت هذه المقالة اختبارًا شاملاً على MBWO باستخدام 23 وظيفة مرجعية، IEEE CEC2014، و IEEE CEC2021. تشير النتائج التجريبية إلى أن MBWO لديها قدرة تحسين قوية. تختبر هذه الورقة أيضًا قدرة MBWO على حل مشكلات التحسين الهندسي ...