×
沙赫拉姆·戈尔扎里;穆罕默德·努尔穆罕默德·扎尔德沙瓦尔;阿明·穆萨维;马哈茂德·雷扎·萨巴尼;阿卜杜拉·哈利利;Shahaboddin Shamshirband公司

KGSA：一种基于K-means niching技术和一种新的精英策略的多峰优化引力搜索算法。 （英语） Zbl 1414.90366号

开放数学。 16, 1582-1606 (2018).
摘要：引力搜索算法（GSA）是一种解决单峰问题的元启发式算法。本文提出了一种基于K均值的多峰优化GSA（KGSA）。该算法将K-means和一种称为“循环中循环”的新精英策略结合到GSA中。首先，在KGSA中，初始种群的成员通过K-means进行聚类。然后，创建新的种群并将其划分到不同的小生境（或集群）中，以扩展搜索空间。“循环中循环”技术将每个生态位的成员根据其集群引导到最佳方向。这意味着较轻的成员比较重的成员朝着每个簇的最佳方向移动得更快。为了进行评估，KGSA以众所周知的函数为基准，并与一些最先进的算法进行比较。实验表明，在求解约束和无约束多峰函数的局部和全局最优解方面，KGSA算法的效果优于其他算法。

MSC公司：

90 C59 数学规划中的近似方法和启发式

关键词：

引力搜索算法;多模态优化;\（K\）-表示;小生境方法

软件：

KGSA公司;GSA公司;BGSA公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Golzari}等人，《开放数学》。16、1582--1606（2018；Zbl 1414.90366）
全文： 内政部
OA许可证

参考文献：

[1] Haghbayan P.、Nezamabadi-Pour H.、Kamyab S.，用于多峰优化的具有最近邻方案的小生境GSA方法，Swarm和进化计算，35，2017，78-92；哈格巴扬，P。；Nezamabadi-Pour，H。；Kamyab，S.，用于多峰优化的具有最近邻方案的小生境GSA方法，Swarm和进化计算，35，78-92（2017）
[2] Subhrajit R.，Minhazul I.，Das S.，Ghosh S.，用局部群搜索优化器增强人工杂草群落的多模式优化，应用软计算，2013年13月，27-46；苏布拉吉特，R。；I.米哈苏尔。；达斯，S。；Ghosh，S.，《使用本地化组搜索优化器增强人工杂草群落的多模式优化》，应用软计算，13，27-46（2013）
[3] 唐国胜、曼坤、邝胜、何强，遗传算法及其应用，IEEE信号处理杂志，1996年第13期，第6期，第22-37页；Tang，K.S。；曼·K。；Kwong，S。；He，Q.，遗传算法及其应用，IEEE信号处理杂志，13，6，22-37（1996）
[4] Kirkpatrick S.，Vecchi M.，《模拟退火优化》，《科学》，2201983，4598，671-680；柯克帕特里克，S。；Vecchi，M.，《模拟退火优化》，《科学》，第220、4598、671-680页（1983年）·兹比尔1225.90162
[5] Farmer J.D.、Packard N.H.、Perelson A.S.，《免疫系统、适应和机器学习》，《物理D：非线性现象》，第22期，1986年，第1期，第187-204页；Farmer，J.D。；新罕布什尔州帕卡德。；Perelson，A.S.，《免疫系统、适应和机器学习》，《物理D：非线性现象》，22,1187-204（1986）
[6] Dorigo M.，Maniezzo V.，Colorni A.，《蚂蚁系统：由一群合作代理优化》，IEEE系统、人与控制论汇刊，B部分：控制论，26，1996，1，29-41；多里戈，M。；马尼佐，V。；Colorni，A.，《蚂蚁系统：协作代理群体的优化》，IEEE系统、人与控制论汇刊，B部分：控制论，26，1，29-41（1996）·兹比尔0825.90549
[7] Kendy J.，《粒子群优化》，摘自《机器学习百科全书》，Sammut C.，Webb G.I.，eds.，Springer，Boston，MA，2011，760-766；J.Kendy。；Sammut，C。；Webb，G.I.，“机器学习百科全书”，760-766（2011）·Zbl 1211.68001号
[8] Rashedi E.，Nezamabadi-Pour H.，Saryazdi S.，GSA:引力搜索算法，信息科学，179，2009，13，2232-2248；Rashedi，E。；Nezamabadi-Pour，H。；Saryazdi，S.，GSA:引力搜索算法，信息科学，179，13，2232-2248（2009）·Zbl 1177.90378号
[9] Rashedi E.，Nezamabadi-Pour H.，Saryazdi S.，BGSA：二进制引力搜索算法，自然计算，9，2010，3，727-745；Rashedi，E。；Nezamabadi Pour，H。；Saryazdi，S.，BGSA：二进制引力搜索算法，自然计算，9，3，727-745（2010）·Zbl 1211.68140号
[10] Brits R.、Engelbrecht A.P.、Van den Bergh F.，小生境粒子群优化器，In：第四届模拟进化与学习亚太会议论文集，第四届亚洲太平洋模拟进化和学习会议论文集（新加坡兰花乡村俱乐部），2002年11月18日，兰花乡村会所， 692-696; Brits，R。；Engelbrecht，A.P。；Van den Bergh，F.，《第四届模拟进化与学习亚太会议论文集》，《第4届模拟进化和学习亚太会议文献集》（新加坡兰花乡村俱乐部），692-696（2002）
[11] Thiemard E.，《使用b-ary Gray码经济生成低差异序列》，《技术报告》，1998年，瑞士洛桑高等理工学院数学系；Thiemard，E.，《技术报告》（1998年）·Zbl 1031.90016号
[12] Streichert F.，Stein G.，Ulmer H.，Zell A.，进化算法的一种基于聚类的小生境方法，In:遗传与进化计算会议，发表于遗传与进化计算机会议（美国芝加哥）的论文，2003年7月9日至11日，Springer，644-645；斯特里切特，F。；Stein，G。；Ulmer，H。；Zell，A.，遗传和进化计算会议，644-645（2003）·Zbl 1028.68893号
[13] 李昕，用于多峰函数优化的粒子群优化算法中使用物种自适应选择邻域最佳值，in:遗传与进化计算会议，遗传与进化计算机会议论文，（美国西雅图），2004年6月26日至30日，斯普林格，105-116；Li，X.，遗传和进化计算会议，遗传和演化计算会议论文，105-116（2004）
[14] Seo J.H.、Im C.H、Heo C.G.、Kim J.K.、Jung H.、Lee C.G.，基于粒子群优化的多模态函数优化，IEEE磁学学报，42，2006，4，1095-1098；Seo，J.H。；我，C.H。；希奥，C.G。；Kim，J.K。；Jung，香港。；Lee，C.G.，基于粒子群优化的多模态函数优化，IEEE磁学汇刊，42，4，1095-1098（2006）
[15] Yazdani S.、Nezamabadi-Pour H.、Kamyab S.，用于多模态优化的引力搜索算法，Swarm和进化计算，2014年第14期，第1-14页；Yazdani，S。；Nezamabadi-Pour，H。；Kamyab，S.，用于多模态优化的引力搜索算法，Swarm和进化计算，14，1-14（2014）
[16] Cuevas E.，Reyna-Orta A.，用于多模态优化的布谷鸟搜索算法，2014，科学世界杂志，2014；Cuevas，E。；Reyna-Orta，A.，用于多模态优化的布谷鸟搜索算法，科学世界期刊，2014（2014）
[17] Chang W.D.，多峰函数优化问题的多个子种群改进粒子群算法，应用软计算，332014，170-182；Chang，W.D.，多峰函数优化问题的多个子种群改进粒子群优化，应用软计算，33，170-182（2014）
[18] Naik M.K.，Panda R.，用于功能优化的新型混合CS-GSA算法，In:IEEE电气、电子、信号、通信和优化国际会议论文集，IEEE电气，电子，信号，通信和优化问题国际会议论文，（印度维萨卡帕特南），2015年，1月24日至25日，IEEE，1-6；Naik，M.K。；Panda，R.，《IEEE电气、电子、信号、通信和优化国际会议论文集》，IEEE电气，电子，信号、通信与优化国际会议上发表的论文，1-6（2015）
[19] Nekouie N.，Yaghoobi M.，基于萤火虫算法的多峰优化新方法，《人工智能评论》，46，2016，2，267-287；Nekouie，N。；Yaghoobi，M.，一种基于萤火虫算法的多模态优化新方法，《人工智能评论》，46，267-287（2016）
[20] Rim C.，Piao S.，Li G.，Pak U.，多峰优化的小生境混沌优化算法，软计算，222016，2621-633；轮辋，C。；Piao，S。；李·G。；Pak，U.，用于多模态优化的小生境混沌优化算法，软计算，22，2，621-633（2016）·Zbl 1398.90214号
[21] 唐凯，杨鹏，姚S.，负相关搜索，IEEE通讯选择领域杂志，342016，3542-550；Tang，K。；杨，P。；Yao，S.，负相关搜索，IEEE通讯选定领域期刊，34，3，542-550（2016）
[22] Chang W.D.，使用改进的PSO算法进行多个最大值和多个最小值的多模态函数优化，应用软计算，60，2017，60-72；Chang，W.D.，使用改进的粒子群优化算法进行多个最大值和多个最小值的多模态函数优化，应用软计算，60，60-72（2017）
[23] Goldberg D.E.，Richardson J.，《多峰函数优化的共享遗传算法》，载于《第二届遗传算法及其应用国际会议论文集》，第二届国际遗传算法及应用会议论文集，（美国剑桥），1987年，希尔斯代尔：劳伦斯·埃尔鲍姆，41-49岁；Goldberg，D.E。；Richardson，J.，《第二届遗传算法及其应用国际会议论文集》，第二届国际遗传算法及应用会议论文，41-49（1987）
[24] Pétrowski A.，作为遗传算法小生境方法的清除过程，In:IEEE进化计算国际会议论文集，发表于IEEE演化计算国际会议会议论文集（日本名古屋），1996年，IEEE，798-803年5月20日至22日；Pétrowski，A.，《IEEE进化计算国际会议论文集》，发表于IEEE国际进化计算会议论文集，798-803（1996）
[25] De Jong K.A.，《一类遗传适应性系统的行为分析》，《科技报告》，1975年，密歇根大学文学、科学与艺术学院计算机与通信科学系；De Jong，K.A.，《1975年技术报告》，文学、科学与艺术学院计算机与通信科学系
[26] Mahfoud S.W.，遗传算法用于多峰函数优化的简单分析模型，摘自：第五届遗传算法国际会议论文集，第五届国际遗传算法会议论文集（美国旧金山），1993年，旧金山：Morgan Kaufman出版社，643；Mahfoud，S.W.，《第五届遗传算法国际会议论文集》，第五届国际遗传算法会议论文集（美国旧金山），643（1993）·兹比尔0807.92016
[27] Mahfoud S.W.，《小生境间的交叉交互》，摘自：第一届IEEE进化计算会议论文集，在IEEE第一届进化计算会议上发表的论文，（美国奥兰多），1994年6月27日至29日，IEEE，188-193年；Mahfoud，S.W.，《第一届IEEE进化计算会议论文集》，发表于188-193（1994）年IEEE第一届进化计算会议
[28] Mahfoud S.W.，遗传算法的小生境方法，Urbana，51，1994，95001，62-94；Mahfoud，S.W.，遗传算法的小生境方法，Urbana，51，95001，62-94（1994）
[29] Mengshoel O.J.，Goldberg D.E.，《概率拥挤：确定性拥挤与概率替代》。摘自：《遗传与进化计算会议》，发表于《遗传与演化计算会议》（美国旧金山），1999年7月8日至12日，旧金山：摩根考夫曼出版社，409；O.J.蒙苏尔。；Goldberg，D.E.，《遗传与进化计算会议》，发表于《遗传与演化计算会议》（美国旧金山），409（1999）
[30] Kimura S.，Matsumura K.，使用简单进化算法的约束多峰函数优化，In:IEEE进化计算大会，在IEEE演化计算大会上发表的论文，（美国新奥尔良），2011年6月5日至8日，IEEE，447-454；木村，S。；Matsumura，K.，IEEE进化计算大会，IEEE演化计算大会论文，447-454（2011）
[31] Li X.，无小生境参数的小生境：使用环形拓扑的粒子群优化，IEEE进化计算汇刊，2010年第14期，第1150-169页；Li，X.，无小生境参数的小生境：使用环形拓扑的粒子群优化，IEEE进化计算汇刊，14，1，150-169（2010）
[32] Parrott D.，Li X.，使用物种形成的粒子群模型定位和跟踪多个动态优化，IEEE进化计算汇刊，10，2006，4，440-458；Parrott，D。；Li，X.，使用物种形成的粒子群模型定位和跟踪多个动态优化，IEEE进化计算汇刊，10，4，440-458（2006）
[33] 李昕，基于拟合核素距离比的多峰函数优化，In:遗传与进化计算会议，发表于遗传与演化计算会议的论文，（美国华盛顿），2007年6月25日至29日，纽约：ACM，78-85；Li，X.，遗传与进化计算会议，在遗传与进化计算会议上发表的论文，（美国华盛顿），78-85（2007）
[34] 张杰，张杰瑞，李凯，粒子群优化的序贯小生境技术，In:智能计算的进展，《智能计算进展》论文，（合肥，中国），2005年8月23日至26日，柏林-海德堡：斯普林格-Verlag，390-399；张杰。；Zhang，J.R。；李凯，智能计算的进展，《智能计算进展》论文，（合肥，中国），390-399（2005）
[35] García S.，Fernández a.，Luengo J.，Herrera F.，《计算智能和数据挖掘实验设计中多重比较的高级非参数测试：权力的实验分析》，《信息科学》，180，2010，10，2044-2064；南卡罗来纳州加西亚。；费尔南德斯，A。；卢恩戈，J。；Herrera，F.，《计算智能和数据挖掘实验设计中多重比较的高级非参数测试：权力的实验分析》，信息科学，180，10，2044-2064（2010）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。