الگوریتم گورکن عسلخوار
الگوریتم گورکن عسلخوار (HBA) یک الگوریتم بهینهسازی فراابتکاری الهامگرفته از طبیعت است که توسط هاشم و همکاران در سال ۲۰۲۳ ارائه شد. این الگوریتم بر اساس رفتار شکار و استراتژیهای هوشمندانه گورکنهای عسلخوار (Mellivora capensis) مدلسازی شده است. گورکنهای عسلخوار به دلیل تواناییهای چشمگیرشان در حل مسئله، بیباکی، و پیگیری مصرانه طعمه و منابع غذایی با وجود موانع قابل توجه شناخته شدهاند. HBA این ویژگیهای رفتاری را برای ایجاد یک چارچوب بهینهسازی مؤثر به کار میگیرد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Hashim, F. A., Hussain, K., & Houssein, E. H. (2023). Honey badger algorithm: A new meta-heuristic optimization algorithm. Neural Computing and Applications, 35(17), 12265-12287. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Honey Badger Algorithm. ScholarGate. https://scholargate.app/fa/optimization/honey-badger-algorithm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- بهینهساز عقاب طلایی (Aquila Optimizer)بهینهسازی↔ compare
- بهینهساز گرگ خاکستریبهینهسازی↔ compare
- بهینهسازی شاهین هریسبهینهسازی↔ compare
- بهینهسازی ازدحام ذرات (PSO)بهینهسازی↔ compare
- الگوریتم کپک بلغمیبهینهسازی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →