Many-objective African vulture optimization algorithm: A novel approach for many-objective problems خوارزمية تحسين النسور الأفريقية متعددة الأهداف: نهج جديد للمشاكل متعددة الأهداف Algorithme d'optimisation du vautour africain à objectifs multiples : une nouvelle approche pour les problèmes à objectifs multiples Algoritmo de optimización del buitre africano de muchos objetivos: un enfoque novedoso para problemas de muchos objetivos

Several optimization problems can be abstracted into many-objective optimization problems (MaOPs). The key to solving MaOPs is designing an effective algorithm to balance the exploration and exploitation issues. This paper proposes a novel many-objective African vulture optimization algorithm (MaAVOA) that simulating the African vultures' foraging and navigation behaviours to solve the MaOPs. MaAVOA is an updated version of the African Vulture Optimization Algorithm (AVOA), which was recently proposed to solve the MaOPs. A new social leader vulture for the selection process is introduced and integrated into the proposed model. In addition, an environmental selection mechanism based on the alternative pool is adapted to improve the selection process to maintain diversity for approximating different parts of the whole Pareto Front (PF). The best-nondominated solutions are saved in an external Archive based on the Fitness Assignment Method (FAM) during the population evolution. FAM is based on a convergence measure that promotes convergence and a density measure that promotes variety. Also, a Reproduction of Archive Solutions (RAS) procedure is developed to improve the quality of archiving solutions. RAS has been designed to help reach out to the missing areas of the PF that the vultures easily miss. Two experiments are conducted to verify and validate the suggested MaAVOA's performance efficacy. First, MaAVOA was applied to the DTLZ functions, and its performance was compared to that of several popular many-objective algorithms and according to the results, MaAVOA outperforms the competitor algorithms in terms of inverted generational distance and hypervolume performance measures and has a beneficial adaptation ability in terms of both convergence and diversity performance measures. Also, statistical tests are implemented to demonstrate the suggested algorithm's statistical relevance. Second, MaAVOA has been applied to solve two real-life constrained engineering MaOPs applications, namely, the series-parallel system and overspeed protection for gas turbine problems. The experiments show that the suggested algorithm can tackle many-objective real-world applications and provide promising choices for decision-makers. يمكن تلخيص العديد من مشكلات التحسين في العديد من مشكلات التحسين الموضوعية (MaOPs). مفتاح حل MaOPs هو تصميم خوارزمية فعالة لتحقيق التوازن بين قضايا الاستكشاف والاستغلال. تقترح هذه الورقة خوارزمية جديدة متعددة الأهداف لتحسين النسور الأفريقية (MaAVOA) تحاكي سلوكيات البحث عن الطعام والملاحة للنسور الأفريقية لحل MaOPs. MaAVOA هي نسخة محدثة من خوارزمية تحسين النسر الأفريقي (AVOA)، والتي تم اقتراحها مؤخرًا لحل MAOPs. يتم تقديم نسر قائد اجتماعي جديد لعملية الاختيار وإدماجه في النموذج المقترح. بالإضافة إلى ذلك، يتم تكييف آلية اختيار بيئية تستند إلى المجموعة البديلة لتحسين عملية الاختيار للحفاظ على التنوع لتقريب الأجزاء المختلفة من جبهة باريتو بأكملها (PF). يتم حفظ أفضل الحلول غير المسيطرة في أرشيف خارجي بناءً على طريقة تعيين اللياقة البدنية (FAM) أثناء تطور السكان. تعتمد FAM على مقياس التقارب الذي يعزز التقارب ومقياس الكثافة الذي يعزز التنوع. كما تم تطوير إجراء استنساخ حلول الأرشيف (RAS) لتحسين جودة حلول الأرشفة. تم تصميم RAS للمساعدة في الوصول إلى المناطق المفقودة من PF التي تفتقدها النسور بسهولة. يتم إجراء تجربتين للتحقق من فعالية أداء MaAVOA المقترحة والتحقق من صحتها. أولاً، تم تطبيق MaAVOA على وظائف DTLZ، وتمت مقارنة أدائها بأداء العديد من الخوارزميات متعددة الأهداف الشائعة ووفقًا للنتائج، يتفوق MaAVOA على خوارزميات المنافس من حيث المسافة بين الأجيال المقلوبة ومقاييس أداء الحجم الزائد ولديه قدرة تكيف مفيدة من حيث مقاييس أداء التقارب والتنوع. كما يتم تنفيذ الاختبارات الإحصائية لإثبات الأهمية الإحصائية للخوارزمية المقترحة. ثانيًا، تم تطبيق MaAVOA لحل اثنين من تطبيقات MaOPs الهندسية المقيدة في الحياة الواقعية، وهما النظام المتوازي المتسلسل والحماية من السرعة الزائدة لمشاكل توربينات الغاز. تُظهر التجارب أن الخوارزمية المقترحة يمكن أن تعالج العديد من تطبيقات العالم الحقيقي الموضوعية وتوفر خيارات واعدة لصانعي القرار. Plusieurs problèmes d'optimisation peuvent être résumés en problèmes d'optimisation à plusieurs objectifs (MaOP). La clé pour résoudre les MaOP est de concevoir un algorithme efficace pour équilibrer les problèmes d'exploration et d'exploitation. Cet article propose un nouvel algorithme d'optimisation de vautours africains à objectifs multiples (MaAVOA) qui simule les comportements de recherche de nourriture et de navigation des vautours africains pour résoudre les MaOP. MaAVOA est une version mise à jour de l'algorithme d'optimisation du vautour africain (AVOA), qui a récemment été proposé pour résoudre les MaOP. Un nouveau leader social vautour pour le processus de sélection est introduit et intégré dans le modèle proposé. En outre, un mécanisme de sélection environnementale basé sur le pool alternatif est adapté pour améliorer le processus de sélection afin de maintenir la diversité pour approximer différentes parties de l'ensemble du Front de Pareto (PF). Les solutions les mieux nommées sont enregistrées dans une archive externe basée sur la méthode d'affectation d'aptitude (FAM) au cours de l'évolution de la population. La FAM est basée sur une mesure de convergence qui favorise la convergence et une mesure de densité qui favorise la variété. En outre, une procédure de reproduction des solutions d'archivage (RAS) est développée pour améliorer la qualité des solutions d'archivage. RAS a été conçu pour aider à atteindre les zones manquantes du PF que les vautours manquent facilement. Deux expériences sont menées pour vérifier et valider l'efficacité de performance de la MaAVOA suggérée. Tout d'abord, MaAVOA a été appliqué aux fonctions DTLZ, et sa performance a été comparée à celle de plusieurs algorithmes multi-objectifs populaires et selon les résultats, MaAVOA surpasse les algorithmes concurrents en termes de mesures de performance de distance générationnelle inversée et d'hypervolume et a une capacité d'adaptation bénéfique en termes de mesures de performance de convergence et de diversité. En outre, des tests statistiques sont mis en œuvre pour démontrer la pertinence statistique de l'algorithme suggéré. Deuxièmement, MaAVOA a été appliqué pour résoudre deux applications MaOPs d'ingénierie contraintes dans la vie réelle, à savoir le système série-parallèle et la protection contre la survitesse pour les problèmes de turbine à gaz. Les expériences montrent que l'algorithme suggéré peut aborder de nombreuses applications objectives du monde réel et fournir des choix prometteurs pour les décideurs. Varios problemas de optimización se pueden abstraer en problemas de optimización de muchos objetivos (MaOP). La clave para resolver los MaOP es diseñar un algoritmo eficaz para equilibrar los problemas de exploración y explotación. Este artículo propone un nuevo algoritmo de optimización de buitres africanos de muchos objetivos (MaAVOA) que simula los comportamientos de alimentación y navegación de los buitres africanos para resolver los MaOP. MaAVOA es una versión actualizada del algoritmo de optimización del buitre africano (AVOA), que se propuso recientemente para resolver los MaOP. Se introduce un nuevo líder social buitre para el proceso de selección y se integra en el modelo propuesto. Además, se adapta un mecanismo de selección ambiental basado en el pool alternativo para mejorar el proceso de selección para mantener la diversidad para aproximar diferentes partes de todo el Frente de Pareto (PF). Las soluciones mejor nominadas se guardan en un Archivo externo basado en el Método de Asignación de Fitness (FAM) durante la evolución de la población. FAM se basa en una medida de convergencia que promueve la convergencia y una medida de densidad que promueve la variedad. Además, se desarrolla un procedimiento de Reproducción de Soluciones de Archivo (RAS) para mejorar la calidad de las soluciones de archivo. El RAS ha sido diseñado para ayudar a llegar a las áreas faltantes del PF que los buitres pasan por alto fácilmente. Se realizan dos experimentos para verificar y validar la eficacia de rendimiento del MaAVOA sugerido. En primer lugar, se aplicó MaAVOA a las funciones DTLZ, y su rendimiento se comparó con el de varios algoritmos de muchos objetivos populares y, de acuerdo con los resultados, MaAVOA supera a los algoritmos de la competencia en términos de distancia generacional invertida y medidas de rendimiento de hipervolumen y tiene una capacidad de adaptación beneficiosa en términos de medidas de rendimiento de convergencia y diversidad. Además, se implementan pruebas estadísticas para demostrar la relevancia estadística del algoritmo sugerido. En segundo lugar, MaAVOA se ha aplicado para resolver dos aplicaciones de MaOP de ingeniería restringidas de la vida real, a saber, el sistema serie-paralelo y la protección contra sobrevelocidad para problemas de turbinas de gas. Los experimentos muestran que el algoritmo sugerido puede abordar muchas aplicaciones objetivas del mundo real y proporcionar opciones prometedoras para los responsables de la toma de decisiones.