الگوریتم جستجوی خزندگان(Reptile Search Algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2022 ابداع شده است. این الگوریتم در ژورنال معتبر Expert Systems With Applications از انتشارات الزویر چاپ شده است. در این تحقیق، الگوریتم جستجوی خزندگان برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده، الگوریتم جستجوی خزندگان با الگوریتم بهینهسازی شیرمورچه(Ant Lion Optimizer)، الگوریتم شکارچیان دریایی(Marine Predators Algorithm)، الگوریتم بهینهسازی گرگ خاکستری(Grey Wolf Optimizer)، الگوریتم اجتماع سالپ(Salp Swarm Algorithm)، الگوریتم سینوس کسینوس(Sine Cosine Algorithm) و الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم جستجوی خزندگان در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم جستجوی کاپوچین(Capuchin Search Algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2020 ابداع شده است. این الگوریتم برگرفته از رفتار پویای میمونهای کاپوچین است. این الگوریتم در ژورنال معتبر Neural Computing and Applications از انتشارات اشپرینگر چاپ شده است. در این تحقیق، الگوریتم جستجوی کاپوچین برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده، الگوریتم جستجوی کاپوچین با الگوریتم بهینهسازی شعله-پروانه(Moth-Flame Optimization)، الگوریتم سینوس کسینوس(Sine Cosine Algorithm) و الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم جستجوی کاپوچین در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی سیاست(Political Optimizer) یکی از الگوریتمهای فراابتکاری است که در سال 2020 ابداع شده است. این الگوریتم در ژورنال معتبر Knowledge-Based Systems از انتشارات الزویر چاپ شده است. در این تحقیق، الگوریتم بهینهسازی سیاست برروی 50 تابع استاندارد در محیط متلب 2018 تست شده است. در شبیهسازی پیوست شده، الگوریتم بهینهسازی سیاست با الگوریتم بهینهسازی گرگ خاکستری(Grey Wolf Optimizer)، الگوریتم بهینهسازی نهنگ(Whale Optimization Algorithm)، الگوریتم سینوس کسینوس(Sine Cosine Algorithm)، الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی این شبیهسازی نشان میدهد که الگوریتم بهینهسازی سیاست در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.
الگوریتم بهینهسازی مرغ دریایی(Seagull optimization algorithm) یکی از الگوریتمهای فراابتکاری است که در سال 2019 ابداع شده است. این الگوریتم در ژورنال معتبر Knowledge-Based Systems چاپ شده است. در این تحقیق، الگوریتم بهینهسازی مرغ دریایی برروی توابع پیوسته بررسی شده است. الگوریتم بهینهسازی مرغ دریایی برروی 23 تابع استاندارد در محیط متلب 2018 تست شده است. الگوریتم بهینهسازی مرغ دریایی با الگوریتم سینوس کسینوس(Sine Cosine Algorithm)، الگوریتم بهینهسازی شعله-پروانه(Moth-Flame Optimization Algorithm)، و الگوریتم بهینهسازی اجتماع ذرات(Particle Swarm Optimization) مقایسه شده است. نتایج تجربی نشان میدهد که الگوریتم بهینهسازی مرغ دریایی در مقایسه با الگوریتمهای ذکر شده، یک بهینهساز با عملکرد بالا است.