روشي نو در بهينه سازي مسائل عددي با استفاده از الگوريتم بهينهسازي آشوبناك موازي و الگوريتم جستجوي گرانشي آشوبناك

الگوريتم­هاي بهينه­سازي آشوبناك(COA) از نگاشتهاي آشوب براي توليد دنباله­هاي شبه-تصادفي استفاده مي­نمايند. اين دنباله­هاي شبه تصادفي بر روي فضاي جستجو براي كاربردهاي بهينه­سازي سراسري نگاشت مي­شوند و جستجوي متنوع را ايجاد مي­نمايند. از آنجايي كه حركت آشوب، شبه-تصادفي است و دنباله­هاي آشوب به شرايط اوليه حساس هستند بنابراين توانايي جستجوي الگوريتم بهينه­سازي به نقطه شروع وابسته است. براي غلبه برضعف، الگوريتم بهينه­سازي آشوب موازي (PCOA) ارائه شده است كه محدوديت آن ضعف در يافتن جوابهاي محلي است. براي حل اين مشكل در روش پيشنهادي ،الگوريتم جستجوي گرانشي آشوب(CGSA) را با PCOA تركيب نموديم تا يك الگوريتم تركيبي جديد را شكل دهيم. نتايج شبيه­سازي نشان مي­دهد كه روش پيشنهادي بهتر از ساير روشها عمل مي­نمايد