Thesis (Ph.D)-Cairo University, 2025.

Bibliography: pages 89-93.

The Emperor Penguin Optimizer (EPO) algorithm is one of the metaheuristic optimization algorithms inspired by the social behavior of Emperor penguins. This thesis conducts a comprehensive study of the EPO algorithm and its application in solving diverse optimization problems. Thus, a detailed literature review about EPO is presented which highlights a research gap, wherein only limited efforts have been made to enhance the algorithm itself by developing new modifications to its core procedures. In response to this gap, this thesis introduces three modified versions of the EPO algorithm.
The first modification is about "Emperor Penguin Optimizer algorithm with Information Vector" (EPOIV) which incorporates an information vector into the relocation procedure. The second suggested modification is about "Emperor Penguin Optimizer with Weighted Sum" (EPOW) which employs a weighted sum procedure during relocation. The third and final modification is about "Emperor Penguin Optimizer with Information Vector and Weighted Sum" (EPOWIV) which hybridizes the information vector and weighted sum procedures in the relocation mechanism.
Each modification was applied on twenty (20) unconstraint tests optimization problems, besides 6 problems constraint and 10 problems belong to the Congress on Evolutionary Computation (CEC) optimization problems. To ensure the significance results, a non-parametric hypothesis test is used, which is the Wilcoxon test. Using this test, the pairwise comparison is done among the suggested modifications (EPOIV or EPOW or EPOWIV) algorithm, original EPO, genetic algorithm (GA) and practical swarm (PSO) and also, its boxplots of test optimization functions was presented to evaluate the effectiveness of these modified algorithms. The results reveal that EPOWIV consistently outperforms the other variants, showcasing superior mean results and robustness in solving a diverse set of optimization problems. Moreover, in the context of the CEC problems, EPOIV emerges as the top-performing algorithm in terms of mean results and robustness except in two problems that EPOWIV outperforms all the other algorithms on them. Finally, applying EPOWIV on real engineering optimization problem confirmed usefulness and efficiency of the EPOWIV algorithm's for solving real problems.

تعتبر خوارزمية امبراطور البطريق واحدة من خوارزميات التحسين الفعالة التي استوحيت من السلوك الاجتماعي لإمبراطورية البطاريق (EPO) وهى احدى خوازميات Metaheuristic التى تمثل مجموعة من الطرق العامة والموجهة لحل مشكلات التحسين العامة والمعقدة التي يصعب معالجتها باستخدام الطرق التقليدية. تعد مشكلات التحسين جانبًا أساسيًا في العديد من المجالات بما في ذلك الرياضيات والهندسة والاقتصاد....الخ. تتطلب هذه المشكلات إيجاد الحل الأفضل من بين مجموعة من الحلول الممكنة. تشتمل هذه الرسالة على دراسة شاملة لخوارزمية امبراطور البطريق EPO وتطبيقاته في حل مشكلات التحسين المتنوعة. وكذلك تم تقديم استعراضًا سريعا للابحاث السابقه حيث يبرز هذا الاستعراض فجوة ملحوظة تشير إلى وجود عدد محدود من الدراسات المخصصة لتحسين خوارزمية EPO دفعتنا هذه الفجوة إلى تطوير ثلاثة نسخ من الخوارزميات:
التعديل الأول: يتمثل فى اقتراح "خوارزمية تحسين إمبراطور البطريق المعدلة القائمة على متجه المعلومات" (EPOIV) حيث يتم استخدام المعلومات المكتسبة بين البطاريق للعثور على طعامهم لبناء متجه المعلومات من خلال دمج الخوارزميه الاصلية (EPO) مع المتجه المعلوماتي (EPOIV) وفى ضوء هذه المعلومات تتم إجراءات إعادة التوجيه فى مرحلة ال(mutation) بحيث يتم اخذ صفات من (best vector) مع صفات من (relocated vector) مما يؤدي إلى تحسين الحل.
التعديل الثاني: يتمثل فى اقتراح "خوارزمية إمبراطور البطريق القائمة على المجموع المرجح" (EPOW) حيث يتم تحسين (EPO) باستخدام المجموع المرجح (W) أثناء عملية (mutation) تتم عملية إعادة التوجيه بحيث يتم اخذ صفات منbest vector مع صفات منrelocated vector وذلك عن طريق الاوزان للمتجهيين وهكذا يتم توليد المتجهه (EPOW)
التعديل الثالث يتعلق بـ "خوارزمية إمبراطور البطريق المقترحة القائمة على متجه المعلومات والمجموع المرجح" (EPOWIV). حيث يتم تحسين الخوارزمية الاصليه (EPO) مع المتجه المعلوماتي والمجموع المرجح. بمعنى يتم دمج التحسين الاول مع التحسين الثانى لينتج خوارزمية محسنة (adaptive) (EPOWIV) في آلية إعادة التوجيه (mutation).
للتحقق من كفاءة التعديلات الثلاثة المقترحة تم تطبيق كل خوارزمية مقترحة على فئات مختلفة من Optimization Problems الغير مقيدة والمقيدة من خلال التطبيق على 20 داله معياريه غير مقيدة. و6 دوال مقيدة اخرى. ولتقييم فعالية هذه الخوارزميات المعدلة ايضا تم إجراء تحليل مقارن ولقد أظهر التحليل المقارن فعالية وتفوق هذه الإصدارات المعدلة على الخوارزمية EPO الأصلية وعلى الخوارزميات الاخرى مثل (GA) و(PSO). حيث تشير النتائج دائما إلى أن التعديلات المقترحة لـ EPOIV و EPOW و EPOWIV تتفوق على هذه الخوارزميات من حيث القيم المتوسطة وسرعة التقارب. هكذا تسلط هذه النتائج الضوء على تفوق التعديلات المقترحة من حيث الأداء والفعالية وعلى وجه الخصوص أظهرت نتائج التعديل الثالث EPOWIV أداءً متفوقًا على مجموعة من مشاكل التحسين الغير المقيدة والمقيدة هكذا يعزز EPOWIV توليد حلول متفوقة مما يؤدي إلى تحسين سرعة التقارب وجودة الحل. هذا ولقد تم إجراء تحليل إضافي باستخدام الاختبارات الإحصائية مثل اختبار ويلكسون Wilcoxon والذي يؤكد الاختلافات الكبيرة بين كل خوارزمية مقترحة والخوارزميات الاخرى المنافسة لها. وبالنسبه للمشكلات التى تتعلق بالكونجرس CEC أظهرت الخوارزميه المعدلة EPOIV أداءً عاليًا وتفوقًا على الخوارزميات الأخرى باستثناء دوال CEC الأولى والثانية حيث كانت الخوارزمية الوحيدة التي أسفرت عن أداء عالٍ هي EPOWIV حيث تقاربت تقريبًا إلى الحد الأدنى العالمي في هاتين المشكلتين.

Issues also as CD.

Text in English and abstract in Arabic & English.