﻿<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<ArticleSet>
<Article>
<Journal>
<PublisherName>نواندیشان</PublisherName>
<JournalTitle>کهربا</JournalTitle>
<Issn>2322-3723</Issn>
<Volume>51</Volume>
<Issue>05</Issue>
<PubDate PubStatus="epublish">
<Year>2026</Year>
<Month>6</Month>
<Day>15</Day>
</PubDate>
</Journal>
<ArticleTitle>مسیریاب چند مقصدی: روشی برای محاسبه کوتاه‌ترین مسیر برای گذر یک‌باره از چندین نقطه بدون بازگشت به مبدا</ArticleTitle>
<FirstPage>52</FirstPage>
<LastPage>70</LastPage>
<Language>FA</Language>
<AuthorList>
<Author>
<FirstName>امین</FirstName>
<LastName>فضیلت</LastName>
<Affiliation>گروه کامپیوتر، واحد فیروزآباد، دانشگاه آزاد اسلامی، فیروزآباد، ایران</Affiliation>
</Author>
<Author>
<FirstName>موسی</FirstName>
<LastName>مجرد</LastName>
<Affiliation>گروه کامپیوتر، واحد فیروزآباد، دانشگاه آزاد اسلامی، فیروزآباد، ایران</Affiliation>
</Author>
<Author>
<FirstName></FirstName>
<LastName></LastName>
<Affiliation>  </Affiliation>
</Author>
</AuthorList>
<Identifier Source="ORCID">KNO-1301-5105</Identifier>
<PublicationType>Journal Article</PublicationType>
<History>
<PubDate PubStatus="received">
<Year>2026</Year>
<Month>6</Month>
<Day>15</Day>
</PubDate>
</History>
<OtherAbstract Language="FA">
در این مقاله، یک الگوریتم جدید الهام‌گرفته از طبیعت به نام بهینه‌سازی Harris Hawks ارائه شده است. این الگوریتم با هدف کاهش میانگین زمان پیاده‌سازی، زمان ساخت، هزینه شبکه و هزینه محاسبات ماشین مجازی برای به حداقل رساندن یک تابع هدف مورد استفاده قرار گرفته است. برای ارزیابی روش پیشنهادی، ابتدا نتایج با استفاده از Harris Hawks پیشنهادی آزمایش شد و سپس با مقایسه آن با برخی از روش‌های منتشر شده اعتبارسنجی گردید. نتایج نشان می‌دهند که الگوریتم پیشنهادی نه تنها به صورت پایدار عمل می‌کند، بلکه از نظر زمان اجرا نیز عملکرد بهتری نسبت به سایر الگوریتم‌ها دارد. نمودارها نشان می‌دهند که الگوریتم پیشنهادی کارآمدترین الگوریتم از نظر به حداقل رساندن فاصله ساخت است، که یک معیار مهم برای ارزیابی عملکرد الگوریتم‌های زمان‌بندی است. همچنین با افزایش تعداد تکرارها، تفاوت‌های زمان ساخت بین الگوریتم‌ها بارزتر شده و الگوریتم پیشنهادی برتری قابل‌توجهی را نسبت به سایر الگوریتم‌ها حفظ می‌کند. به طور کلی، نمودارها مقایسه بصری واضحی از عملکرد نسبی الگوریتم‌های مختلف بر اساس زمان تکمیل کل کارها ارائه می‌کنند. این نشان می‌دهد که الگوریتم پیشنهادی کارآمدترین الگوریتم در بین الگوریتم‌های ارزیابی شده است. همچنین ارزیابی نتایج نشان می‌دهند که روش پیشنهادی از سایر الگوریتم‌ها بهتر عمل می‌کند و به طور مداوم در اکثر تکرارها به هزینه شبکه کمتری دست می‌یابد. لذا الگوریتم بهینه‌سازی Harris Hawks پیشنهادی یک همگرایی سریع و کارآمد را به سمت راه‌حل بهینه نشان می‌دهد و از سایر روش‌ها، حتی زمانی که از پردازش موازی استفاده می‌کنند، بهتر عمل می‌کند. بهینه‌سازی Harris Hawks به کمترین تعداد تکرار و محاسبات نیاز دارد تا به نتیجه مطلوب برسد، بدون نیاز به اجرای چندگانه الگوریتم.
</OtherAbstract>
<ObjectList>
<Object Type="keyword">
<Param Name="value">بهینه‌سازی Harris Hawks</Param>
</Object>
<Object Type="keyword">
<Param Name="value"> زمان پیاده‌سازی </Param>
</Object>
<Object Type="keyword">
<Param Name="value"> زمان ساخت</Param>
</Object>
<Object Type="keyword">
<Param Name="value">هزینه شبکه</Param>
</Object>
<Object Type="keyword">
<Param Name="value">هزینه محاسبات ماشین مجازی</Param>
</Object>
<Object Type="keyword">
<Param Name="value"></Param>
</Object>
<Object Type="keyword">
<Param Name="value"></Param>
</Object>
<Object Type="keyword">
<Param Name="value"></Param>
</Object>
</ObjectList>
<ArchiveCopySource>https://kahrobaonline.ir/wp-content/uploads/edd/2026/06/khr-5105.pdf</ArchiveCopySource>
</Article>
</ArticleSet>