دسته بندی دادگان سونار با استفاده از الگوریتم بهینه ساز گرگ خاکستری

این مقاله از یک روش فرا ابتکاری جدید به نام بهینه ساز گرگ خاکستری (GWO) به منظور دسته بندی دادگان سونار استفاده می کند. الگوریتم GWO از سلسله مراتب رهبری و سازوکار شکار گرگ های خاکستری در طبیعت تقلید می کند. در این الگوریتم از چهار نوع گرگ خاکستری شامل آلفا، بتا، دلتا و امگا برای شبیه سازی سلسله مراتب رهبری استفاده شده است. علاوه بر این، سه مرحله اصلی شکار شامل جستجوی طعمه، محاصره طعمه و حمله به طعمه شبیه سازی می شوند. در ابتدا الگوریتم موردنظر توسط 23 تابع آزمون شناخته شده به خوبی ارزیابی شده و نتایج به دست آمده با روش بهینه سازی ازدحام ذرات (PSO) مقایسه می شوند. نتایج نشان می دهد که الگوریتم GWO قادر به ارائه نتایجی بسیار بهتر در یافتن کمینه کلی توابع، سرعت همگرایی و اجتناب از کمینه محلی در مقایسه با الگوریتم PSO است. علاوه بر این، در این مقاله یک کاربرد واقعی از روش ارائه شده در زمینه دسته بندی دادگان سونار بیان می شود. نتایج حاصله نشان می دهد که دسته بندی کننده طراحی شده با الگوریتم گرگ خاکستری دادگان سونار را با دقت 67 /96% دسته بندی می کند، این در حالی است کهPSO دقت 33 /92% را حاصل می نماید.