در بسیاری از مشکلات علمی و مهندسی ، بهینه سازی بسیار مهم است. یکی از موضوعات اصلی در موضوع بهینه سازی ، بهینه سازی محلی و بهینه سازی عمومی است. در بسیاری از مشکلات پیچیده ، دستیابی بهینه سازی عمومی یا مطلوب بسیار مهم است. برای یافتن راه حلهای احتمالی به دلیل ویژگیهای مختلف ، روشهای مختلفی مورد نیاز است ؛ بنابراین در دهه های اخیر روشهای مختلفی از جمله الگوریتمهای ابتکاری طبیعی ارائه شده است. این الگوریتم ها شامل: الگوریتم ژنتیک (الگوریتم GA-Genetic) ، الگوریتم بهینه سازی ازدحام ذرات (بهینه سازی ازدحام ذرات PSO) ، الگوریتم بهینه سازی کلنی مصنوعی زنبورعسل (کلنی زنبور عسل مصنوعی) ، زنبور عسل (کلنی A-ee) ، الگوریتم بهینه سازی کاکائو ( الگوریتم بهینه سازی COA-cuckoo) ، الگوریتم بهینه سازی جستجوی کاکائو (الگوریتم جستجوی CS-cuckoo) ، بهینه سازی براساس O-biogeography (الگوریتم رقابت ICA- امپریالیسم) ،

الگوریتم باکتری بهینه سازی و جستجوی باکتری نامیده می شود. مشکلات بهینه سازی را می توان به دو دسته تقسیم کرد: 1. مشکلات نامحدود: در محدوده متغیر ، حد پایین متغیر و حد بالا متغیر ، فقط به حداقل رساندن تابع هدف یک مسئله مهم است. 2- مشکلات محدود (محدود): علاوه بر به حداقل رساندن تابع هدف در محدوده متغیر ، برخی از مشکلات نیز وجود دارد. رعایت برخی محدودیت های خطی یا غیر خطی و مساوی و نابرابر مهم است ، یعنی تعداد کل محدودیت ها. .

دیدگاه بگذارید