2025
Sand cat swarm optimization: A comprehensive review of algorithmic advances, structural enhancements, and engineering applications
HOSSEINZADEH, Mehdi; Jawad TANVEER; Amir Masoud RAHMANI; Farhad Soleimanian GHAREHCHOPOGH; Ramin ABBASZADI et al.Základní údaje
Originální název
Sand cat swarm optimization: A comprehensive review of algorithmic advances, structural enhancements, and engineering applications
Název česky
Optimalizace roje písečných koček: Komplexní přehled algoritmických pokroků, strukturálních vylepšení a inženýrských aplikací
Autoři
HOSSEINZADEH, Mehdi; Jawad TANVEER; Amir Masoud RAHMANI; Farhad Soleimanian GHAREHCHOPOGH; Ramin ABBASZADI; Lee SANG-WOONG a Jan LÁNSKÝ
Vydání
Computer Science Review, Amsterdam, Elsevier, 2025, 1574-0137
Další údaje
Jazyk
angličtina
Typ výsledku
Článek v odborném periodiku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Nizozemské království
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Impakt faktor
Impact factor: 12.700 v roce 2024
Označené pro přenos do RIV
Ano
Kód RIV
RIV/04274644:_____/25:#0001256
Organizační jednotka
Vysoká škola finanční a správní
UT WoS
EID Scopus
Klíčová slova česky
Metaheuristické algoritmy; Kombinatorické problémy; Inženýrská optimalizace; Strukturální mechanika; Optimalizace roje písečných koček; Bio-inspirované výpočty
Klíčová slova anglicky
Metaheuristic algorithms; Combinatorial problems; Engineering optimization; Structural mechanics; Sand cat swarm optimization; Bio-inspired computing
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 22. 1. 2026 13:28, Mgr. Jitka Štruncová
V originále
Metaheuristic algorithms, as powerful computational tools, play a significant role in solving complex optimization problems in the field of engineering. Among these algorithms, the Sand Cat Swarm Optimization (SCSO) algorithm, inspired by the hunting behaviour of sand cats, has shown considerable potential in addressing combinatorial problems and real-world applications. In this survey paper, a systematic and comprehensive review of the basic structure and extended versions of the SCSO has been conducted. Papers related to SCSO have been collected from 5 major databases (Elsevier, Springer, IEEE, MDPI, and Wiley). Elsevier and Springer contain the largest share of articles, with 32% and 26%, respectively. In this paper, binary, multi-objective, and hybrid versions have been thoroughly reviewed. Also, the application of the SCSO in various engineering fields, including structural engineering, energy systems, biomedical computing, and control systems, has been fully investigated. The field of engineering problems and Electronics-Power include the highest percentage of SCSO usage, with 20% and 24%, respectively. The results of statistical analyses show that the improved versions of SCSO outperform the basic metaheuristic algorithms in stability of results, convergence speed, and final quality of answers.
Česky
Metaheuristické algoritmy, jakožto výkonné výpočetní nástroje, hrají významnou roli při řešení složitých optimalizačních problémů v oblasti inženýrství. Mezi těmito algoritmy prokázal značný potenciál při řešení kombinatorických problémů a aplikací v reálném světě algoritmus Sand Cat Swarm Optimization (SCSO), inspirovaný loveckým chováním pouštních koček. V tomto přehledovém článku byl proveden systematický a komplexní přehled základní struktury a rozšířených verzí SCSO. Články týkající se SCSO byly shromážděny z 5 hlavních databází (Elsevier, Springer, IEEE, MDPI a Wiley). Elsevier a Springer obsahují největší podíl článků s 32 % a 26 %. V tomto článku byly důkladně zhodnoceny binární, vícekriteriální a hybridní verze. Také bylo plně prozkoumáno použití SCSO v různých inženýrských oblastech, včetně stavebního inženýrství, energetických systémů, biomedicínských výpočtů a řídicích systémů. Oblasti inženýrských problémů a elektroniky a energetiky zahrnují nejvyšší procento využití SCSO, a to 20 %, respektive 24 %. Výsledky statistických analýz ukazují, že vylepšené verze SCSO překonávají základní metaheuristické algoritmy ve stabilitě výsledků, rychlosti konvergence a konečné kvalitě odpovědí.