A novel hybrid penguins search optimization algorithm to solve travelling salesman problem

Penguins Search Optimization Algorithm for Community Detection in Complex Networks

“…Nature-inspiredalgorithmsareknownfortheirefficiencyinsolvingoptimizationproblems,they havebeenappliedtomanyproblemslikeDataMining (Rana,Jasola&Kumar,2011;Yeh,2012), InformationRetrieval(Alloui,Boussebough&Chaoui,2015Joshi&Srivastava,2013),Engineering (Fox,Xiang&Lee,2007).ThePenguinsSearchOptimizationAlgorithm(PeSOA)isoneofthelatest proposednature-inspiredmetaheuristicoptimizationalgorithms;thisalgorithminspiredfromthe huntingphenomenonofpenguinswasoriginallyproposedbyGheraibiaetal.in (Gheraibia,2013). The Penguins Search Optimization algorithm has been successfully applied to many real-world problemssuchasFindingOptimalSpacedSeeds (Gheraibia,Moussaoui,Djenouri,Kabir,Yin& Mazouzi,2015),VehicleRoutingProblem(Ammi&Chikhi,2016),TravellingSalesmanProblem (Mzili, Bouzidi & Riffi, 2015) and recently Association Rules Mining (Gheraibia, Moussaoui, Djenouri,Kabir&Yin,2016). TheeffectivenessofthePenguinsSearchOptimizationalgorithminsolvingtheseoptimization problemshasinfluencedtheauthorstoproposeinthispaperadiscretevariantoftheoriginalalgorithm forsolvingtheproblemofcommunitydetectionincomplexnetworks,theessentialaimoftheauthors istoinvestigatethecapabilitiesofthisalgorithminsolvingthisproblem,theirmaincontributions inthispaperareasfollows:…”

Penguin search with Harris-Hawk optimization algorithm to improve clustering performance in wireless network

“…A greedy ACO routing method selects the single best route from sender to receiver to reach the highest packet delivery and throughput [21]. The hybrid PSO is established by arranging the PSO and harmony search algorithms to solve the traveling salesman issue [22]. The adaptive neuro-fuzzy inference system uses heuristics and meta-heuristics algorithms to discover the greatest solution [23].…”

Gezgi̇n Satici Problemi̇ İçi̇n Ardişik Yerel Arama İle Yeni̇ Bi̇r Hi̇bri̇t Geneti̇k Algori̇tma Öneri̇si̇

“…Literatürde farklı sezgiseller ile GSP çözümlerine bakıldığında canlı sürüleri ile çözüm sunan sezgisellerden bazıları; doğadaki karınca kolonilerinin besin arayışına dayanan Karınca Kolonisi Optimizasyon Algoritması (Dorigo, 1992), kuş ve balık gibi sürü halinde besin arayan canlıları taklit eden ve Kennedy & Eberhart (1995) tarafından geliştirilen Parçacık Sürüsü Optimizasyon Algoritması (Wang vd., 2003), arıların kolektif biçimde yiyecek aramalarını kullanan Arı Kolonisi Algoritması (Wong vd., 2008), kombinatoryal çözüm uzayına göre uyarlanmış ve Karaboğa (2005) tarafından geliştirilen Yapay Arı Kolonisi Algoritması (Karaboğa & Görkemli, 2011), ateş böcekleri arasındaki mesafenin kesikli değer alacak şekilde uyarlanmış olan ve tarafından geliştirilen Ateş Böceği Algoritması (Jati, 2011), kanguruların zıplayışlarından esinlenen ve Pollard (1978) tarafından geliştirilen Kanguru Algoritması (Demirtaş & Keskintürk, 2011), arama ve iz sürme biçimleri bulunan ve Chu vd. (2006) tarafından geliştirilen Kedi Sürüsü Algoritması (Bouzidi & Riffi, 2013), GSP için kullanıma çözüm uzayını tam sayılı olarak tanımlayarak uygun hale getirilen ve Yang & Deb (2009) tarafından geliştirilen Guguk Kuşu Algoritması (Quarrab vd., 2014), kombinatoryal hale getirilmiş Penguen Arama Optimizasyon Algoritması (Mzili & Riffi, 2015), simetrik ve asimetrik GSP çözümü için ayrık hale getirilen ve tarafından geliştirilen Yarasa Algoritması (Osaba vd., 2016), kelebeklerin bulundukları pozisyonu belirleyen kelebek düzeltme oranının parametrik çözümler sonucu belirlendiği ve Wang vd. (2015) tarafından geliştirilen Kral Kelebek Algoritması (Wang vd., 2016), kuşların göç sırasındaki uçuş biçimine odaklanan ve komşuluk operatörü barındıran ve Duman vd.…”