تقدم هذه الأطروحة خوارزمية تحسين هجينة تجمع بين الذئب الرمادي_x000D_
محسن (GWO) وخوارزمية غرير العسل (HBA) للتغلب على القيود المفروضة على_x000D_
كلا الخوارزميات الفردية. تم تقييم أداء الخوارزمية الهجينة و_x000D_
مقارنة بـ GWO وHBA في مجموعة من الوظائف المعيارية. وأظهرت النتائج أن_x000D_
تتفوق الخوارزمية الهجينة على كل من GWO وHBA من حيث سرعة التقارب،_x000D_
جودة الحل، والمتانة._x000D_
خوارزمية GWO هي تقنية تحسين مستوحاة من الطبيعة تحاكي_x000D_
سلوك الذئاب الرمادية التي تصطاد في قطيع. لقد ثبت أن GWO فعال و_x000D_
فعالة في حل مشاكل التحسين، ولكنها يمكن أن تكون حساسة لاختيار عنصر التحكم_x000D_
المعلمات وقد تتعثر في الأمثلية المحلية. من ناحية أخرى، خوارزمية HBA هي_x000D_
تقنية التحسين المستندة إلى السكان والتي تستخدم مزيجًا من الاستكشاف و_x000D_
الاستغلال للهروب من الأمثل المحلي. لقد ثبت أن HBA قوي وموثوق،_x000D_
ولكنها قد تكون بطيئة في التقارب إلى المستوى الأمثل العالمي._x000D_
تدمج الخوارزمية الهجينة المقترحة نقاط القوة في GWO وHBA_x000D_
الجمع بين استراتيجيات البحث الخاصة بهم ومعلمات التحكم. تستخدم الخوارزمية GWO ل_x000D_
توجيه البحث نحو الأمثل العالمي وHBA لضمان التنوع و_x000D_
متانة السكان. تستخدم الخوارزمية الهجينة أيضًا التكيف الديناميكي_x000D_
آلية لضبط معلمات التحكم بناءً على خصائص المشكلة و_x000D_
التقدم في البحث._x000D_
تمت مقارنة نتائج الخوارزمية الهجينة مع GWO وHBA على مجموعة من_x000D_
وظائف القياس. تتضمن الوظائف المرجعية مجموعة متنوعة من الوسائط الأحادية و_x000D_
متعددة الوسائط بأبعاد مختلفة._x000D_
تتمتع الخوارزمية الهجينة المقترحة بالقدرة على المساهمة في مجال الطاقة_x000D_
الأنظمة من خلال توفير موثوقة وفعالة لحل المشاكل المعقدة والديناميكية_x000D_
مشاكل التحسين. يمكن تطبيق الخوارزمية على تطبيقات مختلفة في مجال الطاقة_x000D_
الأنظمة، مثل تكامل الطاقة المتجددة، والاستجابة للطلب، وتوسيع النقل_x000D_
التخطيط وتحسين الشبكة الصغيرة. نتائج هذه الأطروحة توفر نهجا جديدا ل_x000D_
حل مشاكل التحسين في أنظمة الطاقة ويمكن استخدامها كمرجع للمستقبل_x000D_
البحوث في هذا المجال