×
张金浩；萧、米；高，梁；潘广科

排队搜索算法：一种用于解决工程优化问题的新型元启发式算法。 （英语） Zbl 1480.90257号

申请。数学。建模 63, 464-490 (2018).
摘要：本文提出了一种新的元启发式算法，称为排队搜索（QS），它是受排队中人类活动的启发而提出的。QS中考虑了一些常见的现象：（1）客户主动跟随提供快速服务的队列；（2） 每个客户服务主要受员工或客户本身的影响；（3）在服务过程中，如果不严格维护队列顺序，客户可能会受到其他人的影响。QS的性能在CEC 2014中的30个有界约束的基准函数上进行了测试，这些基准函数具有30个和100个维度，5个标准和4个具有挑战性的约束工程优化问题。同时，将QS的结果与一些最先进或著名的元启发式算法进行了比较。

引用于11文件

MSC公司：

90 C59 数学规划中的近似方法和启发式
90B22型 运筹学中的队列和服务
90C20个 二次规划

关键词：

排队搜索算法；元启发式算法；工程优化

软件：

玉；中国电子13；世界煤炭协会
PDF格式BibTeX公司 XML格式引用
\textit{J.Zhang}等人，应用。数学。型号63464--490（2018；Zbl 1480.90257）
全文： 内政部

参考文献：

[1] Khajehzadeh，M。；塔哈，M.R。；El-Shafie，A。；Eslami，M.，《关于元神经全局优化算法的调查》，Res.J.Appl。科学。工程技术。，3, 569-578 (2011)
[2] 卡拉博加，D。；Akay，B.，人工蜂群算法的比较研究，应用。数学。计算。，214, 108-132 (2009) ·Zbl 1169.65053号
[3] Holland，J.H.，《生物、控制和人工智能在自然和人工系统中的应用简介》（1975），麻省理工学院出版社·Zbl 0317.68006号
[4] Holland，J.H.，《自然和人工系统的适应》（1975），密歇根大学出版社·Zbl 0317.68006号
[5] 斯托恩，R。；Price，K.，《差分进化——连续空间上全局优化的一种简单有效的启发式算法》，J.global Optim。，11, 341-359 (1997) ·Zbl 0888.90135号
[6] 肯尼迪五世。；Eberhart，R.，粒子群优化（IEEE神经网络国际会议论文集（1995）），1942-1948
[8] Simon，D.，基于生物地理的优化，IEEE Trans。进化。计算。，12702-713（2008年）
[9] Askarzadeh，A.，解决约束工程优化问题的新型元启发式方法：众搜索算法，计算。结构。，169, 1-12 (2016)
[10] Mehrabian，A.R。；Lucas，C.，一种受杂草定殖启发的新型数值优化算法，Ecol。Inf.，1，355-366（2006）
[11] X.S.Yang，用于全局优化的花授粉算法，非传统计算和自然计算，Springer，柏林，2012，pp.240-249。；X.S.Yang，用于全局优化的花授粉算法，非传统计算和自然计算，施普林格，柏林，2012年，第240-249页·Zbl 1374.68527号
[12] Geem，Z.W。；Kim，J.H。；Loganathan，G.V.，《一种新的启发式优化算法：和谐搜索》，《模拟》，76，60-68（2001）
[13] Rao，R.V。；萨夫萨尼，V.J。；Vakharia，D.P.，基于教学的优化：约束机械设计优化问题的新方法，计算。辅助设计。，43, 303-315 (2011)
[14] Savsani，P。；Savsani，V.，超车搜索（PVS）：一种新的元启发式算法，应用。数学。型号。，40, 3951-3978 (2016) ·Zbl 07159604号
[15] Eskandar，H。；萨多拉，A。；巴赫内贾德，A。；Hamdi，M.，《水循环算法：用于解决约束工程优化问题的新型元神经优化》，计算。结构。，110-11151-166（2012年）
[16] Salimi，H.，《随机分形搜索：一种强大的元启发式算法》，Knowl。基于系统。，75, 1-18 (2015)
[17] 陶，H。；Zain，J.M。；艾哈迈德，M.M。；Abdalla，A.N。；Jing，W.，一种用于数字图像水印的基于小波的粒子群优化算法，Integrar。计算。援助。E.，19，81-91（2012）
[18] Joly，M.M。；Verstraete，T。；Paniagua，G.，《反向旋转压缩机的综合多功能、多学科进化设计优化》，Integrar。计算。援助。E.，21，249-261（2014）
[19] 卡里米，H。；Setak，M.，一个具有流程发货调度的双目标不完全枢纽选址问题，Appl。数学。型号。，57, 406-431 (2018) ·Zbl 1480.90054号
[20] 裴，J。；刘，X。；廖，B。；Pardalos，P.M。；Kong，M.，《串行分批生产中具有学习效应和资源依赖性加工时间的单机调度》，应用。数学。型号。，58, 245-253 (2017) ·Zbl 1480.90140号
[21] Rudek，R.，基于加工时间总和模型的单机总加权完工时间调度问题：强NP-hard，Appl。数学。型号。，50314-332（2017）·Zbl 1476.90131号
[22] 潘，Q.K。；孟，T。；王，B。；Gao，L.，紧凑型带钢生产热轧调度的数学模型和两阶段启发式算法，应用。数学。型号。，48, 516-533 (2017) ·Zbl 1480.90139号
[23] Wolpert，D.H。；Macready，W.G.，《优化无免费午餐定理》，IEEE Trans。进化。计算。，1, 1, 67-82 (1997)
[24] 梁，J。；曲，B。；Suganthan，P.N.，《CEC 2014年单目标实参数数值优化专题会议和竞赛的问题定义和评价标准》（2013），中国郑州大学计算智能实验室和技术报告，南洋理工大学：计算智能实验室，中国郑州郑州大学和新加坡南洋理工大学技术报告
[25] Rao，S.S.，《工程优化：理论与实践》（2002），《新时代国际：新德里新时代国际》
[26] 詹振华。；张杰。；李毅。；Chung，H.S.-H.，自适应粒子群优化，IEEE Trans。系统。，天啊，赛博。第B部分Cybern。，39, 1362-1381 (2009)
[27] 詹振华。；张杰。；李毅。；石永华，正交学习粒子群优化，IEEE Trans。进化。计算。，15, 832-847 (2011)
[28] Topal，A.O。；一种新的元神经算法：动态虚拟蝙蝠算法，Inform。科学。，354, 222-235 (2016)
[29] 张杰。；Sanderson，A.C.，《具有球形适应度函数的差分进化的近似高斯模型》，（IEEE进化计算大会论文集。IEEE进化计算机大会论文集，新加坡（2007）），2220-2228
[30] 张杰。；Sanderson，A.C.，JADE：带可选外部档案的自适应差分进化，IEEE Trans。进化。计算。，13, 945-958 (2009)
[31] 秦，A.K。；Suganthan，P.N.，数值优化的自适应差分进化算法，（IEEE进化计算大会论文集（2005）），1785-1791
[32] Yu，C。；凯利，L。；郑S。；Tan，Y.，用于解决CEC 2014竞争问题的差分变异Fireworks算法，（IEEE进化计算大会（CEC）会议记录（2014），IEEE），3238-3245
[33] Yashesh，D。；Deb，K。；Bandaru，S.，实数编码遗传算法中的非均匀映射，（IEEE进化计算大会（CEC）会议记录（2014），IEEE），2237-2244
[34] Bujok，P。；Tvrdik，J。；Polakova，R.，《旋转-变异变异和竞争策略适应的差异进化》，（IEEE进化计算大会（CEC）会议记录（2014），IEEE），2253-2258
[35] 马亚，R.D。；德卡斯特罗，L.N。；Caminhas，W.M.，用optbees进行实时参数优化，（IEEE进化计算大会（CEC）会议记录（2014），IEEE），2649-2655
[36] 波拉科娃，R。；Tvrdik，J。；Bujok，P.，应用于CEC2014基准函数的差分进化中的受控重启，（IEEE进化计算大会（CEC）（2014），IEEE），2230-2236
[37] 波兰科娃，R。；Tvrdík，J。；Bujok，P.，在CEC2014单参数算子测试套件上用竞争策略评估L-Shade的性能，（2016年IEEE进化计算大会（CEC）会议记录（2016），IEEE），1181-1187
[38] 达斯，S。；亚伯拉罕。；英国查克拉波蒂。；Konar，A.，使用基于邻域的变异算子的差异进化，IEEE Trans。进化。计算。，13, 3, 526-553 (2009)
[39] Li，Y.F。；詹振华。；林，Y。；Zhang，J.，APSO OLPSO和CLPSO关于CEC2005和CEC2014测试服的比较研究，（2015年IEEE进化计算大会（CEC）（2015），IEEE），3179-3185
[40] 阿里，M.Z。；新罕布什尔州阿瓦德。；Suganthan，P.N。；Reynolds，R.G.，动态种群减少的自适应多种群差异进化，IEEE Trans。赛博。，47, 2768-2779 (2017)
[41] 阿凯，B。；卡拉博加，D.，《大规模问题和工程设计优化的人工蜂群算法》，J.Intell。制造，23，4，1001-1014（2012）
[42] 刘，H。；蔡，Z。；Wang，Y.，将粒子群优化与微分进化相结合，用于约束数值和工程优化，应用。软计算。，10, 2, 629-640 (2010)
[43] 蒙特默罗，M。；文森蒂，A。；Vannucci，P.，用遗传算法处理约束的自动动态惩罚方法（ADP），计算。方法应用。机械。工程，256，70-87（2013）·Zbl 1352.90107号
[44] 马祖德，I。；Hadj-Hamou，K。；Bigeon，J。；Joyeux，P.，《解决工程问题的粒子群优化：一种新的约束处理机制》，《工程应用》。Artif公司。智力。，26, 4, 1263-1273 (2013)
[45] 甘多米，A.H。；Yang，X.S。；Alavi，A.H。；Talatahari，S.，约束优化任务的Bat算法，神经计算。申请。，22, 6, 1239-1255 (2013)
[46] 阿里，S。；Ardeshir，B。；哈迪，E。；Mohd，H.，Mine blast algorithm:一种新的基于种群的算法，用于解决约束工程优化问题，应用。软计算。，13, 2592-2612 (2013)
[48] Wang，L。；Li，L.P.，《约束工程设计中带水平比较的有效差分进化》，结构。多磁盘。最佳。，41, 947-963 (2010)
[49] Chun，S。；Kim，Y.T。；Kim，T.H.，用于混合整数离散工程设计问题的多样性增强约束粒子群优化器，Adv.Mech。Eng.，5，第130750条，第（2013）页
[50] 扎哈拉，E。；Kao，Y.T.，约束工程设计问题的混合Nelder-Mead单纯形搜索和粒子群优化，专家系统。申请。，36, 3880-3886 (2009)
[51] Gandomi，A.H.，内部搜索算法（ISA）：一种新的全局优化方法，ISA Trans。，53, 1168-1183 (2014)
[52] 古普塔，S。；蒂瓦里，R。；Shivashankar，B.N.，使用遗传算法的滚动轴承多目标设计优化，机械。机器。理论，42，1418-1443（2007）·Zbl 1188.74082号
[53] 温茵，G。；致华，C。；丁文，L.，通过改进的约束微分进化进行工程优化，计算。方法应用。机械。工程，268884-904（2014）·Zbl 1295.74084号
[54] Rao，R.V。；Savsani，V.J.，《使用先进优化技术进行机械设计优化》（2012），施普林格出版社：施普林格伦敦，ISBN 978-1-4471-2747-5
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。