در این پایان نامه، یک الگوریتم فراابتکاری جدید به نام الگوریتم بهینه سازی غزال (GOA) با الهام از توانایی بقای غزال ها درمحیط تحت سلطه شکارچیان معرفی شده است. غزال هر روز می داند که اگر از شکارچیان خود پیشی نگیرد تبدیل به غذای آن روز می شود. غزال ها در زنجیره غذایی قرار دارند و یکی از بهترین شکار ها برای گربه سانان می باشند، به همین علت همیشه درمعرض خطرهستند. علت آنکه نسل این حیوانات تاکنون باقی مانده است، این است که درمقابله با خطرها از اعمال هوشمندانه ای استفاده می کنند که سبب می شود از دست شکارچیان فرارکنند، مطالعات نشان می دهد که شکارچیان تنهادر 34 درصدمواقع موفق می شوند شکار کنند. از این اطلاعات برای پیشنهاد یک الگوریتم فراابتکاری جدید استفاده شده است که از توانایی های بقای غزال ها برای حل مشکلات دنیای واقعی استفاده می کند. در مرحله اول الگوریتم به نام اکتشاف، غزال ها در غیاب شکارچی یا در حالی که شکارچی در حال تعقیب آنها است، به آرامی در حال چرا هستند. این الگوریتم به محض مشاهده شکارچی وارد مرحله دوم به نام بهره برداری می شود، که شامل پیشی گرفتن غزال ها از شکارچی است، و به سمت پناهگاه می دوند. الگوریتم پیشنهادی با استفاده از 25 تابع معیار (15 تابع کلاسیک و 10 تابع ترکیبی) و سه مسئله طراحی مهندسی آزمایش شده. GOA با 9 الگوریتم فراابتکاری دیگر مقایسه می شود. نتایج، برتری و رقابت الگوریتم پیشنهادی را نسبت به 9 الگوریتم فراابتکاری موجود تایید می کند.همچنین، نتایج آماری استاندارد نشان می دهد که این الگوریتم می تواند اکثر مسائل را حل کند، عملکرد بهتری نسبت به الگوریتم های قبلی داشته باشد و با روش های بهتر رقابت کند. این پایان نامه براساس مرجع [1] تنظیم شده است.
