Sameerah Khaleel Ibrahim Dahlaki,  <br/><br/>
On the war strategy optimization algorithm / 
 حول  امثلية خوارزمية استراتيجية الحرب 
by Sameerah Khaleel Ibrahim Dahlaki ; Supervised Prof. Hegazy Mohamed Zaher, Prof. Naglaa Ragaa Saeid Hassan.  
 - 85 Leaves :  illustrations ;   30 cm. +   CD. 
<br/><br/>Thesis (Ph.D)-Cairo University, 2025. 
<br/><br/>Bibliography: pages 81-85.  
<br/><br/> This thesis focuses on optimizing the War Strategy Optimization (WSO) <br/>algorithm employing hybrid methods to enhance its efficiency in solving complex <br/>optimization problems. Swarm intelligence algorithms inspired by social insect <br/>colonies, such as Particle Swarm Optimization algorithm (PSO), Cat Swarm <br/>Optimization (CSO), Ant Colony algorithm (AC), Firefly Algorithm (FA), Bat <br/>Algorithm (BA), Genetic Algorithm (GA), Cuckoo Search Algorithm (CSA) and <br/>other intelligent algorithm like Harmony Search (HS) all have shown promise in <br/>addressing various optimization tasks like data clustering, scheduling, and general <br/>optimization. <br/>In this thesis, to improve the WSO algorithm, two hybrid approaches are <br/>proposed; "A hybrid Cat Swarm with War Strategy Optimization (C-WSO) <br/>algorithm for solving unconstrained problems" and "A hybrid Harmony Search <br/>(HS) with War Strategy Optimization (H-WSO) algorithm for solving <br/>unconstrained problems". Each hybrid algorithm combines the strengths of the <br/>original WSO algorithm with those of the corresponding swarm intelligence <br/>technique. These hybrid algorithms are evaluated using 50 benchmark tests <br/>functions of unimodal and multimodal functions and compared the results against <br/>the original WSO. <br/>The evaluations reveal that the H-WSO algorithm outperforms both the <br/>original WSO algorithm and the C-WSO algorithm in solving both unimodal and <br/>multimodal benchmark test functions. The efficiency and effectiveness of the H-<br/>WSO algorithm are demonstrated through three indicators: fitness function value <br/>of mean, standard deviation, and median. These indicators are calculated for both <br/>unimodal and multimodal functions, showing that the H-WSO algorithm's <br/>robustness, convergence and superiority over the other algorithms. Thus, the <br/>hybrid H-WSO algorithm proves to be a powerful and efficient method for solving <br/>optimization problems compared with other algorithms which making it as a <br/>promising approach for various real-world applications.   تم تطوير العديد من طرق meta-heuristic لحل مشاكل التحسين الصعبة منها خوارزيمية مستعمرة النمل (ACA) وسرب الجسيمات (PS) حيث لاتتضمن خوارزميات meta-heuristic دائمًا الحل الأمثل. ومع ذلك ففى معظم الحالات يمكن الحصول على حل شبه مثالي في وقت أقل بكثير من تطبيق الطرق الرياضية. تعتبر خوارزمية تحسين استراتيجية الحرب (WSO) واحدة من الخوارزميات الحديثة في مجال metaheuristics. حيث تحاكي السلوك التعاوني لـصقور هاريس وسلوكهم في البحث عن الطعام في الطبيعة والذي يسمى الانقضاض المفاجئ. ومن فوائد هذه الخوارزيمية احتوائها علي عدد صغير من إعدادات التحكم في الضبط وبساطة التنفيذ ومستوى عالٍ من الاستكشاف والاستغلال وتتمتع هذه التقنيات بمجال استخدام واسع. وفي هذه الرسالة تم اقتراح تعديلين لخوارزمية صقور هاريس (HHO) لتعزيز أدائها وصلاحيتها (موثوقيتها) لحل مشاكل الامثلية. <br/>تركز هذه الرسالة على تحسين خوارزمية تحسين استراتيجية الحرب (WSO) من خلال استخدام الأساليب الهجينة لتعزيز كفاءتها في حل مشاكل التحسين المعقدة. أظهرت خوارزميات ذكاء السرب (SIA) المستوحاة من مستعمرات الحشرات الاجتماعية، مثل ABC وPSO وACO وFA وCSO، نتائج واعدة في معالجة مهام التحسين المختلفة مثل تجميع البيانات والجدولة والتحسين العام.لتحسين نتائج خوارزمية WSO تم اقتراح خوارزميتين هجينة :- <br/>-	خوارزمية C-WSOالناتجة من تهجين خوارزمية CSO مع خوارزمية WSO . <br/>-	خوارزمية  H-WSO الناتجة من تهجين خوارزمية HS مع خوارزمية WSO.<br/>حيث تجمع كل خوارزمية هجينة بين نقاط قوة خوارزمية WSO الأصلية ونقاط قوة تقنية ذكاء السرب المقابلة. تم تقييم فعالية الخوارزميتين المقترحة على نوعين من الدوال غير المقيدة  (الدوال المعيارية ) وهما:<br/>-	دوال غيرمقيدة احادية الوسائط: حيث تم اختبار الخوارزميتين المقترحتين على 25 دالة معيارية احادية الوسائط وقد اثبتت فعالية كلا من خوارزمية C-WSO , H-WSO على الخوارزمية الاصلية من خلال استخدام المؤشرات الثلاث قيم (fitness functions)  المتوسط  والانحراف المعياري والوسيط وقد تمت المقارنة بين الخوارزميات الثلاثة وتبين ان خوارزمية H-WSO  هي الافضل مما يوضح قوتها وسرعة تقاربها وتفوقها على الخوارزميات الاخرى. <br/>-	الدوال غير المقيدة المتعددة الوسائط: تم ايضا تقييم فعالية الخوارزميتين المقترحة على 25 دالة اخرى معيارية متعددة الوسائط وتبين فعالية كلا الخوارزميتين المقترحتين على الخوارزمية الاصلية وذلك من خلال تقييم المؤشرات الثلاث (fitness functions) المتوسط والانحراف المعياري والوسيط, وعند المقارنة بين الخوارزميات الثلاث اثبتت خوارزمية H-WSO تفوقها على بقية الخوارزميات مما يبين مدى قوتها وسرعة تقاربها .<br/>ومع مقارنه الثلاث خوارزميات معا اثبتت خوارزمية H-WSO أنها خوارزمية قوية وفعالة لحل مشاكل التحسين مقارنة بالخوارزميات الأخرى مما يجعلها طريقة واعدة كما اثبت ان اسلوب التهجين هو اسلوب فعال حيث يعطي نتاائج  جيدة في حل المشكلات المعقدة  
<br/><br/>
<br/><br/><br/>Text in English and abstract in Arabic & English. 
<br/><br/><label>Subjects--Topical Terms: </label><br/>Operations research<br/>بحوث العمليات
<br/><br/><label>Subjects--Index Terms: </label>Metaheuristic Approach  War Strategy Algorithm  Global optimization problems  أساليب الميتاهيوريستيك  خوارزمية تحسين استراتيجية حرب 
<br/><br/><label>Dewey Class. No.: </label>658.4034