تحديد معاملات تحكم نسبة الإرتباط-التكامل-التفاضل (PID) دائماً يُعتبر تحدياً صعباً في مجال هندسة التحكم. يقدم هذا المقال خوارزمية تحسينية لتهدف الى مواجهة هذا التحدى وهي خوارزمية تحسين الفيل الزيني (EHO). تعتمد الخوارزمية على عينات مكعبات لاتينية فائقة و تأسيس تعلم معكوس للعدسات التكيفية لمعالجة منتجات المبادئ و تعزيز التنوع الجماعي و قوة البحث الشامل. بالإضافة الى ذلك، تقدم آلية إضطراب تكيفية لتحسين تحديث المواقع في مرحلة الاستكشاف. لتحقق من أداء EHO، تم مقارنته مع خوارزمية الفيل الزيني الأصلية و4 أنواع من الخوارزميات الذكية الكلاسيكية أو المتقدمة باستخدام دوال الاختبار ل CEC2022. كما تم تقييم فعاليته بشكل إضافي من خلال تطبيقه على تحكم PID في أنواع مختلفة من الأنظمة. تمت مقارنة EHO مع 5 أنواع مختلفة من الخوارزميات الأخرى وطريقة زيجلر-نيكولز الكلاسيكية. تحليل الرسوم البيانية للتقارب، الاستجابة الدرجية، الرسوم البيانية الصندوقية ورسم الرادار تظهر ان EHO يفوق الطرق المقارنة من حيث الدقة وسرعة التقارب والاستقرار. أخيراً، تم تحسين تحكم PID المتسلسل لتعقب مسار طائرة الدرون الرباعية باستخدام EHO لتقييم صلاحيته. تعد النتائج المحاكاة ان استخدام النظام المحسن بواسطة EHO في خطأ التكامل الزمني لقنوات الموقع (x، y، z) لمدة 80 ثانية هي 59.979، 22.162 و 0.017 على التوالي. هذه القيم أقل بشكل واضح من خوارزمية الفيل الزيني الأصلية وطريقة ضبط المعاملات اليدوية.

PID controllers;Parameter tuning;Hippopotamus optimization;Latin hypercube sampling;Adaptive lens reverse learning;Adaptive perturbation mechanism