×
阿克巴·卡里米;哈迪·诺巴哈里;帕特里克·西亚里

将连续蚁群系统和禁忌搜索算法相结合，实现连续多极小函数的全局最小化。 （英语） Zbl 1190.90141号

计算。最佳方案。申请。 45，第3期，639-661（2010）.
摘要：提出了一种新的混合优化方法，将连续蚁群系统（CACS）和禁忌搜索（TS）相结合，用于最小化连续多极小函数。新算法将TS中的承诺列表、禁忌列表和禁忌球的概念引入到CACS框架中。这使得生成的算法能够避免错误区域，并被引导到更可能包含全局最小值的区域。提出了在执行过程中动态调整禁忌球半径以及处理变量相关性的新策略。前景列表还用于更新搜索空间中的信息素分布。新方法的参数根据一组标准测试函数的结果进行调整。该方案的结果还与最近一些基于蚂蚁和非基于蚂蚁的元神经算法的结果进行了比较，显示了在准确性和效率方面的改进。

引用于6文件

MSC公司：

90C26型 非凸规划，全局优化
90 C59 数学规划中的近似方法和启发式

关键词：

蚁群优化;禁忌搜索算法;混合元神经系统;全局优化;连续优化
PDF格式BibTeX公司 XML格式引用
\textit{A.Karimi}等人，《计算》。最佳方案。申请。45，第3号，639--661（2010；Zbl 1190.90141）
全文： 内政部

参考文献：

[1] Glover，F.：禁忌搜索：第一部分ORSA J.Compute。3, 190–206 (1989) ·Zbl 0753.90054号
[2] 格洛弗：禁忌搜索：第二部分。ORSA J.计算。1, 4–32 (1990) ·Zbl 0771.90084号
[3] Hu，N.：用于全局优化设计的随机移动禁忌搜索方法。国际期刊数字。方法工程35，1055–1070（1992）·doi:10.1002/nme.1620350508
[4] Cvijovic，D.，Klinowski，J.：禁忌搜索：多重极小问题的一种方法。《科学》667、664–666（1995）·兹比尔1226.90101 ·doi:10.1126/science.267.5198.664
[5] Battiti，R.，Tecchiolli，G.：连续反应禁忌搜索：混合组合优化和随机搜索以实现全局优化。安·Oper。第63、53–188号决议（1996年）·Zbl 0851.9003号 ·doi:10.1007/BF02125453
[6] Siarry，P.，Berthiau，G.：禁忌搜索拟合以优化连续变量的函数。国际期刊数字。方法工程40，2449–2457（1997）·Zbl 0882.65049号 ·doi:10.1002/（SICI）1097-0207（19970715）40:13<2449:：AID-NME172>3.0.CO；2-O型
[7] Chelouah，R.，Siarry，P.：增强的连续禁忌搜索：多极小函数全局优化的算法。收录于：Voss，S.、Martello，S.，Osman，I.H.、Roucairol，C.（eds.）Meta-Heuristics，Advances and Trends In Local Search Paradigms for Optimization，vol.4，pp.49-61。多德雷赫特Kluwer学院（1999年）·兹比尔1073.90578
[8] Chelouah，R.，Siarry，P.：禁忌搜索应用于全局优化。欧洲药典。第123、256-270号决议（2000年）·Zbl 0961.90037号 ·doi:10.1016/S0377-2217（99）00255-6
[9] Dorigo，M.：优化、学习和自然算法。米兰大学博士论文（1992年）
[10] Colorni，A.、Dorigo，M.、Maniezzo，V.：蚁群的分布式优化。摘自：《第一届欧洲人工生命会议记录》，第134-142页。Elsevier，阿姆斯特丹（1992）
[11] Dorigo，M.，Maniezzo，V.，Colorni，A.：蚂蚁系统：通过协作代理群体进行优化。IEEE传输。系统。曼赛本。B 1，29–41（1996）·数字标识代码：10.1109/3477.484436
[12] Stutzle，T.，Hoos，H.：MAX–MIN蚂蚁系统和旅行推销员问题的本地搜索。摘自：IEEE进化计算和进化编程国际会议论文集，第309-314页（1997）
[13] Dorigo，M.，Gambardella，L.M.：蚁群系统：解决旅行推销员问题的合作学习方法。IEEE传输。进化。计算。1, 53–66 (1997) ·doi:10.1109/4235.585892
[14] Gambardela，L.M.，Dorigo，M.：Ant-Q：旅行推销员问题的强化学习方法。摘自：《第十二届机器学习国际会议论文集》，帕洛阿尔托，第252-260页（1995年）
[15] 科斯塔·D·赫兹·A：蚂蚁能给图形着色。《运营杂志》。Res.Soc.48，295–305（1997年）·Zbl 0890.90174号
[16] Dorigo，M.，Caro，G.D.，Gambardella，L.M.：离散优化的蚂蚁算法。Artif公司。生活3137-172（1999）·doi:10.1162/106454699568728
[17] Dorigo，M.，Bonabeu，E.，Theraulaz，G.：蚂蚁算法和污名能量。未来一代。计算。系统。16, 851–871 (2000) ·doi:10.1016/S0167-739X（00）00042-X
[18] Wodrich，M.，Bilchev，G.：合作分布式搜索：蚂蚁的方式。控制网络。26(3), 413–445 (1997) ·Zbl 0890.90159号
[19] Bilchev，G.，Parmee，I.C.：搜索连续设计空间的蚁群隐喻。莱克特。注释计算。科学。993, 25–39 (1995)
[20] Monmarché，N.，Venturini，G.，Slimane，M.：关于顶端厚髁蚂蚁如何提出新的搜索算法。未来一代。计算。系统。16, 937–946 (2000) ·doi:10.1016/S0167-739X（00）00047-9
[21] Dréo，J.，Siarry，P.：基于密集异质性的连续交互蚁群算法。未来一代。计算。系统。20, 841–856 (2004) ·doi:10.1016/j.future.2003.07.015
[22] Dréo，J.，Siarry，P.：一种新的蚁群算法，使用了非层次概念，旨在优化多最小连续函数。莱克特。注释计算。科学。2463, 216–221 (2002) ·doi:10.1007/3-540-45724-0_18
[23] Ling，C.，Jie，S.，Ling，O.，Hongjian，C.：一种使用蚁群算法解决连续空间优化问题的方法。莱克特。注释计算。科学。2463, 288–289 (2002) ·doi:10.1007/3-540-45724-029
[24] Jun，L.Y.，Jun，W.T.：用于连续空间优化问题的自适应蚁群系统算法。浙江科技大学学报。1, 40–46 (2003)
[25] Pourtakdoust，S.H.，Nobahari，H.：蚁群系统对连续优化问题的扩展。莱克特。注释计算。科学。3172, 294–301 (2004) ·doi:10.1007/978-3-540-28646-2_27
[26] Socha，K.：用于连续和混合变量优化的ACO。莱克特。注释计算。科学。3172, 25–36 (2004) ·doi:10.1007/978-3-540-28646-23
[27] Socha，K.，Dorigo，M.：连续域的蚁群优化。IRIDIA技术报告，TR/IRIDIA/2005-037·Zbl 1146.90537号
[28] Socha，K.，Dorigo，M.：连续域的蚁群优化。欧洲药典。第185、1155–1173号决议（2008年）·Zbl 1146.90537号 ·doi:10.1016/j.ejor.2006.06.046
[29] Nobahari，H.，Pourtakdoust，S.H.：使用连续蚁群系统优化模糊规则库。载：《第一届建模、仿真和应用优化国际会议论文集》，阿拉伯联合酋长国沙迦，第243号文件（2005年）·Zbl 1159.68649号
[30] Nobahari，H.，Pourtakdoust，S.H.：使用蚁群优化的最佳模糊CLOS制导律设计。莱克特。注释计算。科学。3777, 95–106 (2005) ·Zbl 1159.68649号 ·doi:10.1007/11571155_10
[31] Nobahari，H.、Nabavi，S.Y.、Pourtakdoust，S.H.：使用蚁群优化对非制导弹丸进行空气动力学形状优化。附：2006年9月3日至8日在德国汉堡举行的ICAS 2006会议记录
[32] Chelouah，R.，Siarry，P.：设计用于多模态函数全局优化的连续遗传算法。《启发式杂志》6，191–213（2000）·Zbl 0969.68641号 ·doi:10.1023/A:1009626110229
[33] Siarry，P.，Berthiau，G.，Durbin，F.，Haussy，J.：用于全局最小化多个连续变量函数的增强模拟退火。ACM事务处理。数学。柔和。23(2), 209–228 (1997) ·Zbl 0887.65067号 ·数字对象标识代码：10.1145/264029.264043
[34] Chelouah，R.，Siarry，P.：遗传算法和Nelder-Mead算法的混合，用于对连续多极小函数进行更精确的全局优化。欧洲药典。第148、335–348号决议（2003年）·Zbl 1035.90062号 ·doi:10.1016/S0377-2217（02）00401-0
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。