ขั้นตอนวิธีการค้นหาของนกกาเหว่าด้วยการหาค่าที่เหมาะสมของค่าความน่าจะเป็น ของพารามิเตอร์การกลายพันธุ์ในปัญหาการหาประสิทธิภาพทั่วไป

บทคัดย่อ

ปัจจุบันการแก้ปัญหาเกี่ยวกับการหาคำตอบที่ดีที่สุดได้มีความยากเพิ่มขึ้น เช่น กลุ่มของปัญหาเชิงวัด CEC-2017 จึงมีความจำเป็นต้องมีการพัฒนาเทคนิคใหม่ๆ สำหรับการหาค่าที่เหมาะสม โดยการใช้อัลกอริธึมสมัยใหม่ในการค้นหา เนื่องจากอัลกอริธึมแบบดั้งเดิมไม่สามารถแก้ปัญหาเหล่านี้ได้ งานวิจัยนี้ได้ศึกษาอัลกอริธึมนกกาเหว่าที่ใช้ความใกล้เคียงกันร่วมกับการกลายพันธุ์ที่ใช้ค่าความน่าจะเป็นที่พัฒนามาจากการค้นหาจากนกกาเหว่าดั้งเดิม เพื่อนำมาแก้ปัญหาของขนาดของระยะทางการบินหารังในพื้นที่ค้นหาซึ่งสามารถแก้ปัญหาเหล่านี้ได้ดีกว่าวิธีการเดิม จากการทดลองพบว่า การค้นหาโดยไม่ใช้ความใกล้เคียงกัน มีประสิทธิภาพมากกว่าอย่างมีนัยสำคัญ และการใช้ค่าความน่าจะเป็น _k  ที่มีค่าเท่ากับ 0.06 ให้ผลการทดลองดีที่สุด ไม่ว่าจะเป็นการใช้กับปัญหาที่มีมิติต่ำหรือสูง ซึ่งได้นำวิธีการดังกล่าวไปเปรียบเทียบกับวิธีอื่น ได้แก่ ABC, CS, PSO, FA, GSA, GWO, MVO, MFO, QPSO, LCA, NNCS เพื่อค้นหาประสิทธิภาพที่เพิ่มขึ้นของวิธีการที่นำเสนอ