罗伊，丽蒂卡;蒂拉斯·普拉萨德·萨胡;纳雷什·库马尔·纳格瓦尼;达斯，苏迪帕 优化问题的全局最优引导群搜索算法。 （英语） Zbl 1485.90097号 Kumar，Rajesh（ed.）等人，用于分析和控制动态系统的智能算法。根据2020年2月27日至28日在印度斋浦尔举行的AISCC-2020系统、控制和计算进展国际会议上的陈述，选择了论文。新加坡：斯普林格。算法智能。系统。，13-22 (2021). 概述：Crow search algorithm（CSA）是一种自然启发的元启发式算法，它受到了智能鸟社交活动的鼓舞。乌鸦将剩余的食物保存起来，不让其他乌鸦食用，这会提供有关本地搜索的信息，并限制搜索空间中的解决方案。乌鸦搜索食物的行为被定义为CSA，用于解决优化问题。然而，它遭受着对本地搜索的不良利用。受人工蜂群（ABC）的启发，对CSA的搜索方程进行了修改，以改进搜索方程中迄今为止获得的全局最优解所指导的开发。通过与DE、PSO、SCA、CSA算法在各种基准方程上的比较分析，实现了全球最佳引导CSA（G-CSA）的优越性。关于整个系列，请参见[Zbl 1476.93071号]. MSC公司： 90C26型 非凸规划，全局优化 关键词：优化;crow搜索算法;元启发式;基准函数 PDF格式BibTeX公司 XML格式引用 \textit{R.Roy}等人，in：动力系统分析和控制的智能算法。根据2020年2月27日至28日在印度斋浦尔举行的AISCC-2020系统、控制和计算进展国际会议上的陈述，选出论文。新加坡：斯普林格。13-22（2021年；Zbl 1485.90097） 全文： 内政部 参考文献： [1] G.I.Sayed，A.E.Hassanien，A.T.Azar，通过一种新的混沌乌鸦搜索算法进行特征选择。神经计算。申请。31(1), 171-188 (2019) ·doi:10.1007/s00521-017-2988-6 [2] A.Askarzadeh，解决约束工程优化问题的一种新的元启发式方法：群搜索算法。计算。结构。169, 1-12 (2016) ·doi:10.1016/j.com.pstruc.2016.03.001 [3] X.S.Yang，一种新的元启发式蝙蝠启发算法，载于《自然启发的优化合作策略》（NICSO 2010）（Springer，Berlin，Heidelberg，2010），第65-74页·Zbl 1197.90348号 [4] 杨新胜，何新胜，萤火虫算法：最新进展和应用。https://arXiv.org/108.3898 (2013) [5] J.Kennedy，R.Eberhart，粒子群优化，《ICNN’95国际神经网络会议论文集》，第4卷（IEEE，1995），第1942-1948页 [6] D.Karaboga，B.Akay，人工蜂群算法的比较研究。申请。数学。计算。214(1), 108-132 (2009) ·Zbl 1169.65053号 ·doi:10.1016/j.amc.2009.03.090 [7] M.Dorigo，M.Birattari，T.Stutzle，蚁群优化。IEEE计算。智力。Mag.1（4），28-39（2006）·doi:10.1109/CI-M.2006.248054 [8] J.Greensmith，U.Aickelin，J.Twycross，《树突状细胞算法的表达和澄清》，摘自《人工免疫系统国际会议》（Springer，Berlin，Heidelberg.2006），第404-417页 [9] S.Das，A.Biswas，S.Dasgupta，A.Abraham，《细菌觅食优化算法：理论基础、分析和应用》。基础计算。智力。3, 23-55 (2009) [10] D.Dasgupta，《人工免疫系统的进展》。IEEE计算。智力。Mag.1（4），40-49（2006）·doi:10.1109/CI-M.2006.248056 [11] E.Rashedi、H.Nezamabadi-Pour、S.Saryazdi、GSA：引力搜索算法。信息科学。179(13), 2232-2248 (2009) ·Zbl 1177.90378号 ·doi:10.1016/j.ins.2009.03.004 [12] Z.W.Geem，J.H.Kim，G.V.Loganathan，一种新的启发式优化算法：和谐搜索。模拟76（2），60-68（2001）·doi:10.1177/003754970107600201 [13] S.Kirkpatrick，C.D.Gelatt，M.P.Vecchi，《模拟退火优化》。《科学》220（4598），671-680（1983）·Zbl 1225.90162号 ·doi:10.1126/science.220.4598.671 [14] J.R.Koza，通过自然选择为计算机编程的一种方法——遗传编程。统计计算。4(2), 87-112 (1994) ·doi:10.1007/BF00175355 [15] K.V.Price，《差分进化：一种快速简单的数值优化器》，载于《北美模糊信息处理学报》（IEEE.1996），第524-527页 [16] D.E.Goldberg，《搜索中的遗传算法》。优化和机器学习（1989）·Zbl 0721.68056号 [17] G.Dhiman，V.Kumar，斑点鬣狗优化器：一种用于工程应用的基于生物灵感的新元启发式技术。高级工程师软件。114, 48-70 (2017) ·doi:10.1016/j.advengsoft.2017.05.014 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。