Girdap Arama Algoritması (GAA) karıştırılan sıvılarda oluşan girdap deseninden esinlenerek yakın zamanda geliştirilmiş tek-çözüm temelli meta-sezgisel bir optimizasyon algoritmasıdır. GAA algoritmasında, bir merkez etrafında iteratif olarak adaptif adım-boyutu ayarlaması ile daraltılan bir yarıçap içinde üretilen komşu çözümler aracılığıyla arama işlemi gerçekleştirilir. Bu strateji, algoritmaya bir kolaylık ve hız kazandırmasına rağmen ekstremum noktası fazla olan problemlerde yerel optimumlara takılma riski oluşturmaktadır. Bu çalışmada, bu dezavantajı gidermek ve GAA algoritmasının arama hassasiyetini iyileştirmek amacıyla bir modifikasyon önerilmektedir. Öncelikle arama uzayı birbiriyle örtüşmeyen 4 farklı alt-bölgeye ayrılır. Daha sonra, standart merkez noktası ile birlikte her bir alt-bölgede birer tane olmak üzere toplam 5 merkez noktası tanımlanır. Her merkezin yarıçap uzunluğu bulunduğu bölgenin aralığına göre ayrı ayrı hesaplanır. Böylece birbirinden bağımsız 5 girdap oluşturularak aday çözüm çeşitliliği arttırılmış olur. Düşük yerellikten faydalanılan ilk iterasyonlar boyunca bu 5 girdap paralel şekilde çalıştırılır. Toplam iterasyon sayısının yarısından sonra, merkez sayısı 2'ye indirilerek yüksek yerellikten daha etkin faydalanılması sağlanır. Önerilen Çok-Merkezli Girdap Arama Algoritması (ÇM-GAA) 50 test fonksiyonu üzerinde 50'şer defa bağımsız şekilde çalıştırılmış ve istatistiksel değerler hesaplanmıştır. Elde edilen sonuçlar standart GAA ile karşılaştırıldığında; önerilen ÇM-GAA algoritması hemen hemen tüm fonksiyonlarda kayda değer bir iyileştirme sağlayarak ciddi bir başarı göstermiştir.