J 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

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

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

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 22. 1. 2026 13:28, Mgr. Jitka Štruncová

Anotace

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.

Přiložené soubory

25i.CSR.Sand_cat_swarm_optimization_A_comprehensive_review_of_algorithmic_advances__structural_enhancements__and_engineering_applications.pdf
Požádat o autorskou verzi souboru