أداة البحث عن الأخطاء في القرصنة (DBO) هي خوارزمية ميتاذكية تمتلك قدرة عالية على التقلص بسرعة والتشييد الفعّال، وتظهر أداءً ممتازًا في حل مجموعة متنوعة من مشاكل الأمثلة. ومع ذلك، تواجه هذه الخوارزمية تحديات مثل الوقوع بكثافة في الحلول الأمثل المحلية وقلة دقة التقلّص عند التعامل مع مشاكل الأمثلة المعقّدة وكبيرة الحجم. لذا، يتم اقتراح أداة تحسين البحث عن الأخطاء في القرصنة المتكيفة مع ميكانزم التبريد المرن (ADBO). أولاً، نقوم بتعديل عامل التقلص بطريقة غير خطية من أجل تحقيق توازن بين البحث عن الحلول العالمية وتطوير الحلول المحلية، وهذا يؤدي إلى تحسين سرعة التقلص وجودة البحث. ثانياً، نقدم استراتيجية التحسين بأخطأ الشهوي من أجل تعزيز تنوع السكان وتحسين قدرة البحث العالمي وتجنب التقل ص المبكّر. أخيراً، نستخدم ميكانزم التبريد المرن لتشويش الأفراد المختارين عشوائيًا، وهذا يساعد في الهروب من الحلول الأمثل المحلية وتحسين جودة الحلول واستقرار الخوارزمية. تم التحقق من فعالية وتفوق وعالمية ADBO من خلال نتائج التجارب على مجموعة الوظائف القياسية للجنة التحكم الاجتماعي ومجموعة اختبارات مدار MCNC.

خوارزمية ميتاذكية؛ أداة البحث عن الأخطاء في القرصنة؛ عامل التقلص؛ استراتيجية التحسين بأخطأ الشهوي؛ ميكانزم التبريد المرن