เปรียบเทียบวิธี

	ตัวปรับปรุงรันเจ-คุตตา	อัลกอริทึม Slime Mould
สาขาวิชา	การหาค่าเหมาะที่สุด	การหาค่าเหมาะที่สุด
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2023	2020
ผู้ริเริ่ม	Ayushi Khatri	Shimin Li
ประเภท	Mathematical metaheuristic algorithm	Nature-inspired metaheuristic algorithm
แหล่งต้นตำรับ	Khatri, A., Kumar, A., & Gaba, G. K. (2023). Runge Kutta optimizer: An efficient approach for solving optimization tasks. Computers and Industrial Engineering, 180, 109201.	Li, S., Chen, H., Wang, M., Heidari, A. A., & Chakraborty, S. (2020). Slime mould algorithm: A new method for stochastic optimization. Future Generation Computer Systems, 111, 300-323.
ชื่อเรียกอื่น	RKO	SMA
ที่เกี่ยวข้อง	5	5
สรุป	The Runge Kutta Optimizer (RKO) is a metaheuristic algorithm introduced by Khatri et al. in 2023 that leverages numerical integration principles from the Runge-Kutta method. Instead of biological inspiration, RKO grounds optimization in mathematical principles of differential equations and numerical integration. The algorithm treats the optimization landscape as a dynamic system and uses multi-stage integration steps to evolve solutions toward optima.	The Slime Mould Algorithm (SMA) is a nature-inspired metaheuristic optimization technique introduced by Li et al. in 2020. It mimics the behavior of slime moulds, which spread and contract to find optimal food sources. SMA addresses complex optimization problems by simulating the adaptive foraging and spatial distribution patterns of these organisms.