الگوریتم بهینه‌سازی #متاهیوریستیک جست و جوی خزندگان (RSA)، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از نحوه رفتار محاصره و شکار کروکودیل‌ها الهام گرفته شده است. این الگوریتم در سال ۲۰۲۳ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه‌سازی گرگ خاکستری (GWO) یکی از الگوریتم‌های #متاهیوریستیک مطرح در زمینه بهینه‌سازی مسائل غیر خطی است که کارایی قابل توجهی را در مسائل مختلف از خود نشان داده است. این الگوریتم توسط سید محمد و علی میرجلیلی و اندرو لویس در سال ۲۰۱۴ توسعه داده شد و تحت مقاله‌ای در مجله‌‌ی پیشرفت‌های نرم افزاری الزویر به چاپ رسید. در این #خود_آموز سعی کرده ایم به طور فشرده و ساده این الگوریتم را آموزش داده و نحوه‌ی استفاده از آن را در مسائل مختلف بیان کنیم.

الگوریتم بهینه‌سازی نهنگ (WOA) یکی از الگوریتم‌های #متاهیوریستیک مطرح در زمینه بهینه‌سازی مسائل غیر خطی است که کارایی قابل توجهی را در مسائل مختلف از خود نشان داده است. این الگوریتم توسط علی میرجلیلی و اندرو لویس در سال ۲۰۱۶ توسعه داده شد و تحت مقاله‌ای در مجله‌‌ی پیشرفت‌های نرم افزاری الزویر به چاپ رسید. در این خودآموز سعی کرده ایم به طور فشرده و ساده این الگوریتم را توضیح داده و نحوه‌ی استفاده از آن را در مسائل مختلف بیان کنیم.

الگوریتم بهینه‌سازی #متاهیوریستیک شعله پروانه، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از پدیده‌ی طبیعی هوش جمعی پروانه‌هایی که در تاریکی به سمت شعله حرکت می‌کنند. این الگوریتم در سال ۲۰۱۵ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه‌سازی #متاهیوریستیک جست و جوی کلاغ (BWO)، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از رفتار منحصر به فرد عنکبوت بیوه سیاه در هنگام جفت‌گیری است. این الگوریتم در سال ۲۰۱۷ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه‌سازی #متاهیوریستیک شاهین هریس (HHO)، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از رفتار شاهین هرین در طبیعت است. این الگوریتم در سال ۲۰۱۷ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه‌سازی #متاهیوریستیک رقابت استعماری (ICA)، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از رفتار امپراطوری و مستعمره‌ها ایجاد شده است. این الگوریتم در سال ۲۰۰۷ معرفی شد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه‌سازی #متاهیوریستیک پنگوئن امپراطور (EPO)، یکی از الگوریتم‌های بهینه‌سازی است که جهت حل مسائل خوشه بندی است که بر اساس رفتار پنگوئن‌های امپراطور در زمستان در سال ۲۰۲۱ طراحی شده است. در این خودآموز سعی داریم این الگوریتم و نحوه‌ی استفاده از آن را شرح دهیم.

الگوریتم بهینه‌سازی #متاهیوریستیک جست و جوی کلاغ (CSA)، یکی از الگوریتم‌های بهینه‌سازی است که متاثر از پدیده‌ی طبیعی جست و جوی کلاغ برای غذا است. این الگوریتم در سال ۲۰۲۰ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم بهینه سازی #متاهیوریستیک شیر مورچه (ALO) در سال ۲۰۱۷ توسط میرجلیلی ابداع و معرفی شد. این الگوریتم بر پایه رفتار مورچه‌ها در طبیعت ساخته شده است. در این الگوریتم، مورچه‌ها به دنبال بهبود جواب‌ها در فضای جستجو هستند. آن‌ها به صورت تصادفی در فضای جستجو حرکت می‌کنند و با استفاده از توابع مناسب، جواب‌های بهتر را به دست می‌آورند. در این #خود_آموز قصد داریم این الگوریتم و نحوه استفاده از آن را توضیح دهیم.

الگوریتم جست و جوی ممنوعه (TS) یکی از الگوریتم‌های بهینه سازی قدیمی اما موثری است که در دهه ۱۹۸۰ طراحی شد و بر اساس ایده جلوگیری از گیرکردن در نقاط اکسترمم محلی طراحی شده است در این #خود_آموز سعی داریم به صورت کوتاه و فشرده این الگوریتم و نحوه‌ی استفاده از آن را توضیح دهیم.

الگوریتم بهینه‌سازی #متاهیوریستیک سینوس کسینوس، یکی از الگوریتم‌های بهینه‌سازی است که با تولید تصادفی چندین تصدیق و با استفاده از توابع سینوس و کسینوس به سمت بهترین راه حل حرکت می‌کند. این الگوریتم در سال ۲۰۱۶ معرفی شد و یکی از الگوریتم‌های جذاب برای حل برخی مسائل غیرخطی می‌باشد. در این خودآموز به توضیح این الگوریتم و نحوه‌ی استفاده از آن در مسائل مختلف پرداخته ایم.

الگوریتم ژنتیک یک روش بهینه‌سازی #متاهیوریستیک متاثر از تکامل گونه‌ها در طبیعت است.این الگوریتم در دهه ۱۹۶۰ توسط جان هولند ابداع شد و تا کنون در بسیاری از زمینه‌ها مورد استفاده و استقبال محققین قرار گرفته است. در این خودآموز سعی کرده ایم این الگوریتم و نحوه‌ی استفاده از آن را در مسائل مختلف توضیح دهیم.

الگوریتم بهینه سازی کرم شب تاب (FA)، متاثر از رفتار شب تاب‌ها در شب برای پیداکردن غذا است و از طریق تقلید از این پدیده سعی می‌کند تا در فضای جست و جو به دنبال پاسخ بگردد. در این #خود_آموز سعی کرده ایم این الگوریتم و نحوه‌ی استفاده از آن را توضیح دهیم.

الگوریتم بهینه سازی کرم شب تاب (FA)، متاثر از رفتار شب تاب‌ها در شب برای پیداکردن غذا است و از طریق تقلید از این پدیده سعی می‌کند تا در فضای جست و جو به دنبال پاسخ بگردد. در این #خود_آموز سعی کرده ایم این الگوریتم و نحوه‌ی استفاده از آن را توضیح دهیم.

الگوریتم بهینه سازی ملخ (GOA) یک الگوریتم بهینه سازی #متاهیوریستیک است که در سال ۲۰۱۷ توسط میرجلیلی ابداع و معرفی شد. این الگوریتم بر پایه رفتار ملخ‌ها در طبیعت ساخته شده است. در این الگوریتم، ملخ‌ها به دنبال بهبود جواب‌ها در فضای جستجو هستند. در این خودآموز قصد داریم این الگوریتم و نحوه‌ی اسفاده از آن را توضیح دهیم.

الگوریتم بهینه سازی سنجاقک (DA) یک الگوریتم بهینه سازی #متاهیوریستیک است که بر پایه رفتار سنجاقک‌ها در طبیعت ساخته شده است. در این الگوریتم، مجموعه‌ای از راه‌حل‌های تصادفی برای مسئله بهینه‌سازی داده می‌شود و در هر تکرار، بهترین راه‌حل‌ها با استفاده از روابط مناسب بروزرسانی می‌شوند. در این خودآموز سعی داریم تا این الگوریتم و نحوه‌ی استفاده از آن را در مسائل بررسی کنیم.

الگوریتم بهینه‌سازی گرگ خاکستری (GWO) یکی از الگوریتم‌های #متاهیوریستیک مطرح در زمینه بهینه‌سازی مسائل غیر خطی است که کارایی قابل توجهی را در مسائل مختلف از خود نشان داده است. این الگوریتم توسط سید محمد و علی میرجلیلی و اندرو لویس در سال ۲۰۱۴ توسعه داده شد و تحت مقاله‌ای در مجله‌‌ی پیشرفت‌های نرم افزاری الزویر به چاپ رسید. در این #خود_آموز سعی کرده ایم به طور فشرده و ساده این الگوریتم را آموزش داده و نحوه‌ی استفاده از آن را در مسائل مختلف بیان کنیم.

الگوریتم بهینه‌سازی ازدحام ذرات (PSO) یکی از الگوریتم‌های #متاهیوریستیک مطرح در زمینه بهینه‌سازی است که در دهه ۱۹۹۰ توسط جیمز کندی و مایکل کلرک توسعه داده شد. این الگوریتم، از رفتار گروهی که نوعی هوش جمعی را ایجاد می‌کند الهام گرفته است و جزو اولین و مهمترین الگوریتم‌های بهینه‌سازی است که هم اکنون نیز برای حل مسائل مختلفی به کار گرفته می‌شود. در این #خود_آموز سعی کرده ایم به طور فشرده و ساده این الگوریتم را توضیح داده و نحوه‌ی استفاده از آن را در مسائل مختلف بیان کنیم.

الگوریتم بهینه‌سازی کلونی مورچه (ACO) یکی از الگوریتم‌های #متاهیوریستیک مطرح در زمینه بهینه‌سازی است که برگرفته از حرکت مورچه‌ها برای تسلط بر محیط به هنگام جست و جو می‌باشد. این الگوریتم در سال ۱۹۹۱ ابداع شد و تا کنون در موارد مختلفی بسیار مورد استقبال بوده است. در این آموزش سعی کرده ایم به طور فشرده و ساده این الگوریتم را آموزش داده و نحوه‌ی استفاده از آن را در مسائل مختلف بیان کنیم.