الگوریتم بهینه سازی نهنگ (Whale Optimization Algorithm): مثل الگوریتم کرم شب تاب یه الگوریتم بهینه سازی (به روش گام به گام برای به‌دست آوردن مقدار بهینه "حداکثر یا حداقل" یه تابع هدف، الگوریتم بهینه سازی میگن.) فرا ابتکاری (تو بلاگ قبلی گفتم اینجا هم میگم... فرا ابتکاری شبیه به اکتشافیه و به دنبال راه حل‌های امیدوار کننده‌ای برای مسائله، در زمینه فرا ابتکاری ویژگی های "موفقیت غیر قابل اندازه‌گیری" همون چیزیه که برای اکتشافی مورد بحث قرار می‌گیره به طور کلی، الگوریتم‌های فرا ابتکاری برای بهینه سازی جهان طراحی شدن.) الهام گرفته از طبیعته که رفتار شکار نهنگ‌های کوژپشت‌رو تقلید می‌کنه؛ این الگوریتم از استراتژی شکار شبکه حباب الهام گرفته شده.
به رفتار شکار نهنگ‌های گوژپشت رو تغذیه حباب دار میگن؛ نهنگ‌های گوژپشت ترجیح میدن گله‌ای از ماهی‌های نزدیک به سطح آب‌رو شکار کنن حالا این جستجوی غذا با ایجاد حباب‌های متمایز تو امتداد یه مسیر دایره‌ای یا '9' شکل انجام میشه.
دو الگوی مرتبط با تغذیه شبکه حباب شامل "مارپیچ رو به بالا" و "دو حلقه" است. تو الگوی «مارپیچ رو به بالا » نهنگ‌های گوژپشت حدود 12 متر به پایین شیرجه می‌زنن بعد شروع به ایجاد حباب‌هایی به شکل مارپیچی تو اطراف طعمه می‌کنن و به سمت سطح شنا می‌کنن؛ الگوی " دو حلقه " شامل سه مرحله مختلفه: شکار محاصره ای فاز بهره برداری: روش حمله به حباب تور مرحله اکتشاف: جستجوی شکار تغذیه حباب دار رفتاری منحصر به فرده که فقط تو نهنگ‌های گوژپشت قابل مشاهدست؛ تو الگوریتم بهینه سازی نهنگ (WOA) الگوی تغذیه حباب-شبکه مارپیچی- به منظور انجام بهینه سازی به صورت ریاضی مدل شده. میشه رفتار شکار رو با تصادفی یا بهترین عامل جستجو برای تعقیب طعمه شبیه سازی کرد یا از یک مارپیچ برای شبیه‌سازی مکانیسم حمله حباب‌دار نهنگ‌های گوژپشت استفاده کرد.
الگوریتم‌های بهینه‌سازی فراابتکاری تو کاربردهای مهندسی روز به روز محبوب‌تر می‌شن چون:
-به مفاهیم نسبتاً ساده تکیه می‌کنن و خیلی راحت قابل پیاده سازی‌ان
-نیازی به اطلاعات گرادیان نیست
-میشه اون‌هارو تو طیف وسیعی از مسائل تو رشته‌های مختلف استفاده کرد.
کاربرد: تو مسائلی که دیتاست‌ها ابعاد بزرگی دارن می‌تونیم با الگوریتم وال زیر مجموعه‌ای از دیتاست رو انتخاب کنیم که بیشترین تاثیر رو تو بخش آموزش دارن؛ پس از بین مقادیر فرضاً 0 و 8 که تو جواب داریم می‌تونیم بگییم اگه عدد از 4 بزگتر بود به عنوان ویژگی انتخاب بشه و اگه کوچک‌تر بود انتخاب نشه:) خیلی از محقق‌ها چندین فرا ابتکاری رو برای رسیدگی به مسائل پیچیده/حل نشده بهینه سازی توسعه دادن مثلا: بهینه سازی ازدحام ذرات، بهینه سازی گرگ خاکستری، بهینه سازی کلونی مورچه‌ها، الگوریتم‌های ژنتیک، الگوریتم جستجوی فاخته و غیره
مثل آخر همه بلاگ‌ها می‌خوام بگم اطلاعات این پست خیلی بیسیکه و اگه قصد دارید از این الگوریتم استفاده کنید دقیق مطالعه‌اش کنید.
