در این مقاله الگوریتم بهینه‌سازی جستجوی ابرکروی با استفاده از نظریه آشوب ارائه می‌شود که ضعف الگوریتم بهینه‌سازی جستجوی ابرکروی استاندارد، یعنی سرعت همگرایی و افزایش تعداد تکرار اجرای الگوریتم برای رسیدن به جواب بهینه را برطرف می نماید. در الگوریتم پیشنهادی، در گام ایجاد ذرات و گام جستجو، مقادیر حاصل از دو نگاشت چبیشف و لیبوویچ، جایگزین مقادیر تصادفی موجود در الگوریتم استاندارد می‌شود که این امر باعث بهبود نتایج حاصل از اجرای الگوریتم شده و انحراف معیار نتایج را کاهش می‌دهد. نتایج شبیه‌سازی بر روی توابع محک استاندارد نشان می‌دهد که الگوریتم پیشنهادی ضمن برخورداری از همگرایی سریع‌تر، دقت بیشتری نیز در یافتن جواب بهینه نسبت به الگوریتم جستجوی ابرکروی استاندارد و همچنین الگوریتم‌های بهینه‌سازی دیگر نظیر ژنتیک، ازدحام ذرات و الگوریتم جستجوی هارمونی دارد. پرونده مقاله