In this study we present a new and effective grouping optimization algorithm (namely, the Turbulent Flow of Water-based Optimization (TFWO)), inspired from a nature search phenomenon, i.e. whirlpools created in turbulent flow of water, for global real-world optimization problems. In the proposed algorithm, the problem of selecting control parameters is eliminated, the convergence power is increased and the algorithm have a fixed structure. The proposed algorithm is used to find the global solutions of real-parameter benchmark functions with different dimensions. Besides, in order to further investigate the effectiveness of TFWO, it was used to solve various types of nonlinear Economic Load Dispatch (ELD) optimization problems in power systems and Reliability–RedundancyAllocation Optimization (RRAO) for the overspeed protection system of a gas turbine, as two real-world engineering optimization problems. The results of TFWO are compared with other algorithms, which provide evidence for efficient performance with superior solution quality of the proposed TFWO algorithm in solving a great range of real-parameter benchmark and real-world engineering problems. Also, the results prove the competitive performance and robustness of TFWO algorithm compared to other state-of-the-art optimization algorithms in this study. The source codes of the TFWO algorithm are publicly available at https://github.com/ebrahimakbary/TFWO.

在这项研究中，我们提出了一种新的有效的分组优化算法（即水基优化湍流（TFWO）），该算法是从自然搜索现象（即在水湍流中创建的漩涡）中获取灵感的，用于全球实际优化问题。该算法消除了控制参数的选择问题，提高了收敛能力，具有固定的结构。该算法用于寻找不同维数的实参基准函数的全局解。此外，为了进一步研究TFWO的有效性，它被用来解决电力系统中各种类型的非线性经济负荷分配（ELD）优化问题，以及用于解决燃气轮机超速保护系统的可靠性-冗余分配优化（RRAO）问题，这是两个现实世界中的工程优化问题。将TFWO的结果与其他算法进行比较，这些结果为所提出的TFWO算法在解决大量实际参数基准和实际工程问题方面提供了具有较高解决方案质量的高效性能的证据。此外，结果证明了与本研究中其他最新优化算法相比，TFWO算法具有竞争性和鲁棒性。TFWO算法的源代码可从https://github.com/ebrahimakbary/TFWO公开获得。将TFWO的结果与其他算法进行比较，这些结果为所提出的TFWO算法在解决大量实际参数基准和实际工程问题方面提供了具有较高解决方案质量的高效性能。此外，结果证明了与本研究中其他最新优化算法相比，TFWO算法具有竞争性和鲁棒性。TFWO算法的源代码可从https://github.com/ebrahimakbary/TFWO公开获得。将TFWO的结果与其他算法进行比较，这些结果为所提出的TFWO算法在解决大量实际参数基准和实际工程问题方面提供了具有较高解决方案质量的高效性能。此外，结果证明了与本研究中其他最新优化算法相比，TFWO算法具有竞争性和鲁棒性。TFWO算法的源代码可从https://github.com/ebrahimakbary/TFWO公开获得。结果证明，与本研究中的其他最新优化算法相比，TFWO算法具有竞争性和鲁棒性。TFWO算法的源代码可从https://github.com/ebrahimakbary/TFWO公开获得。结果证明，与本研究中的其他最新优化算法相比，TFWO算法具有竞争优势和鲁棒性。TFWO算法的源代码可从https://github.com/ebrahimakbary/TFWO公开获得。