Energy, Год журнала: 2024, Номер unknown, С. 134047 - 134047
Опубликована: Ноя. 1, 2024
Язык: Английский
Energy, Год журнала: 2024, Номер unknown, С. 134047 - 134047
Опубликована: Ноя. 1, 2024
Язык: Английский
Plasmonics, Год журнала: 2025, Номер unknown
Опубликована: Янв. 30, 2025
Язык: Английский
Процитировано
7Photonics and Nanostructures - Fundamentals and Applications, Год журнала: 2024, Номер unknown, С. 101312 - 101312
Опубликована: Сен. 1, 2024
Язык: Английский
Процитировано
4International Journal of Hydrogen Energy, Год журнала: 2024, Номер 81, С. 1235 - 1255
Опубликована: Июль 29, 2024
Язык: Английский
Процитировано
3Journal of Thermal Science, Год журнала: 2024, Номер 33(6), С. 2221 - 2234
Опубликована: Окт. 26, 2024
Язык: Английский
Процитировано
3International Journal of Green Energy, Год журнала: 2025, Номер unknown, С. 1 - 27
Опубликована: Март 29, 2025
Язык: Английский
Процитировано
0Опубликована: Фев. 21, 2024
optimization algorithms play a crucial role in solving complex problems various domains. Single-objective aim to discover the most optimal solution for particular objective function, commonly distinguished by single criterion or goal. Grey Wolf optimizer (GWO) is swarm-based algorithm that has gained attention due its simplicity and efficiency problems. In this article, we propose an advanced version of GWO, which referred as Advanced Trending-based (ATGWO), specifically tailored single-objective The motivation behind modification stems from need improve performance metrics original GWO avoid local optimum. By altering algorithm's coefficients, enhance convergence rate, exploration, exploitation abilities. To evaluate proposed ATGWO algorithm, conduct simulations using 7 multimodal benchmark functions. results suggest although excels accuracy, it more delay comparison with GWO. This study paves way future research about algorithms.
Язык: Английский
Процитировано
0Energy, Год журнала: 2024, Номер unknown, С. 134047 - 134047
Опубликована: Ноя. 1, 2024
Язык: Английский
Процитировано
0