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。