×
加内什·克里希纳萨米;阿南·库尔卡尼（Anand J.Kulkarni）。;Apoorva S.沙斯特里。

一种用于解决约束问题的改进的具有全景学习行为的队列智能。 （英语） Zbl 07387478号

Kulkarni，Anand J.（编辑）等，元启发式和应用中的约束处理。新加坡：斯普林格。29-54 (2021).
摘要：在本文中，我们提出了一种新的优化算法，称为泛光学习的队列智能（CI-PL）。该算法是队列智能（CI）的一个改进版本，其中将泛光学习（PL）纳入到CI中，使每个队列候选者从最佳候选者那里学习最多，但同时也不会完全忽略其他候选者。基于队列候选者行为之间的标准偏差，采用新的采样间隔缩减方法辅助PL。使用该算法成功地解决了各种著名的无约束和约束测试问题。CI-PL方法产生了足够强大的结果，解决了无约束、约束和工程问题。本文还讨论了相关的优点、缺点和可能的现实世界扩展。
有关整个系列，请参见[Zbl 1464.68011号]。

MSC公司：

68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
90 C59 数学规划中的近似方法和启发式

关键词：

队列智能;全景学习;自然激励优化;无约束的;约束测试问题

软件：

NLPQL语言
PDF格式BibTeX公司 XML格式引用
\textit{G.Krishnasamy}等人，in：元启发式和应用中的约束处理。新加坡：斯普林格。29-54（2021；Zbl 07387478）
全文： 内政部

参考文献：

[1] Changdar，C.，Mahapatra，G.S.，Kumar Pal，R.：一种改进的基于遗传算法的方法，用于解决模糊环境中的约束背包问题。专家系统。申请。42(4), 2276-2286 (2015) ·doi:10.1016/j.eswa.2014.09.006
[2] Deb，K.：一种有效的遗传算法约束处理方法。计算。方法应用。机械。工程186、311-338（2000）·Zbl 1028.90533号
[3] Li，X.，Parrott，L.：用于多目标和多站点土地利用分配空间优化的改进遗传算法。计算。环境。城市系统。59, 184-194 (2016). 国际标准编号0198-9715
[4] Ray，T.、Tai，K.、Seow，K.：进化算法的多目标设计优化。工程优化。33(4), 399-424 (2001) ·doi:10.1080/03052150108940926
[5] Chen，Z.，Xiong，R.，Cao，J.：考虑不确定驾驶条件的基于粒子群优化的插电式混合动力电动汽车最优功率管理。能源96（1），197-208（2016）·doi:10.1016/j.energy.2015.12.071
[6] Dorigo，M.、Birattari，M.和Stitzle，T.：蚁群优化：作为计算智能技术的人工蚂蚁。IEEE计算。智力。Mag.28-39（2006）
[7] Wu，W.，Tian，Y.，Jin，T.：混合回程异构车辆路径的基于标签的蚁群算法。申请。软计算。47, 224-234 (2016) ·doi:10.1016/j.asoc.2016.05.011
[8] Kavousi Fard，A.，Niknam，T.，Fotuhi Firuzabad，M.：一种基于云理论和改进的bat算法的新随机框架，用于解决配电馈线重构问题。IEEE传输。智能电网7（2），740-750（2016）
[9] Pham，D.、Ghanbarzadeh，A.、Koc，E.、Otri，S.、Rahim，S.和Zaidi，M.：蜜蜂算法。英国加的夫大学制造工程中心技术说明（2005年）
[10] Kulkarni，A.，Durugkar，I.，Kumar，M.：队列智能：一种自我监督的学习行为。摘自：IEEE系统、人与控制论会议记录，第1396-1400页（2013）
[11] Krishnasamy，G.，Kulkarni，A.，Paramesran，R.：基于改良队列智能和k-means的混合数据聚类方法。专家系统。申请。6009-6016 (2013)
[12] Kulkarni，A.J.，Shabir，H.：使用队列智能算法解决0-1背包问题。国际机械工程师协会。学习。赛博。7(3), 427-441 (2016)
[13] Kulkarni，A.J.，Krishnasamy，G.，Abraham，A.：队列智能：一种社会激励优化方法。In:智能系统参考库，第114卷。施普林格（2017）。https://doi.org/10.1007/978-3-319-44254-9。（国际标准图书编号：978-3-319-44254-9）
[14] Kulkarni，O.，Kulkanni，N.，Kulkarni，A.J.，Kakandikar，G.：使用静态和动态惩罚函数方法进行机械部件设计的约束队列智能。国际J.并行紧急配送系统。（新闻稿）（2016年）。https://doi.org/10.1080/17445760.2016.1242728) ·doi:10.1080/17445760.2016.1242728）
[15] Dhavle，S.V.、Kulkarni，A.J.、Shastri，A.、Kale，I.R.：使用队列智能算法进行管壳式换热器的设计和经济优化。神经计算。申请。（新闻稿）（2017）
[16] Kale，I.R.，Kulkarni，A.J.：离散和混合变量工程问题的队列智能算法。国际J.并行紧急配送系统。（新闻稿）（2017）
[17] Patankar，N.S.，Kulkarni，A.J.：队列智能的变化。柔软。计算。22(6), 1731-1747 (2018) ·doi:10.1007/s00500-017-2647-y
[18] Shastri，A.S.，Kulkarni，A.J.：多组智能算法：基于社会激励优化方法的组内和组间学习行为。国际J.并行紧急配送系统。33(6), 675-715 (2018) ·doi:10.1080/17445760.2018.1472262
[19] Sarmah，D.，Kulkarni，A.J.：基于JPEG的隐写术方法，使用具有认知计算的队列智能和改进的多随机启动局部搜索优化算法。信息科学。430-431, 378-396 (2018) ·doi:10.1016/j.ins.2017.11.027
[20] Sarmah，D.，Kulkarni，A.J.：使用队列智能和改进的多随机开始局部搜索方法提高图像隐写能力。阿拉伯的。科学杂志。工程（出版）（2017）
[21] Krishnasamy，G.，Kulkarni，A.J.，Raveendran，P.：一种基于改良队列智能和K-means的数据聚类混合方法。专家系统。申请。6009-6016 (2014)
[22] Kulkarni，A.J.，Baki，M.F.，Chaouch，B.A.：将群智能优化方法应用于三个选定的组合优化问题。欧洲药典。第250（2）号决议，427-447（2016）·Zbl 1346.90146号
[23] Xu，W.，Geng，Z.，Zhu，Q.，Gu，X.：基于分段线性混沌映射和序列二次规划的鲁棒混合粒子群优化。信息科学。85-102 (2013) ·Zbl 1293.90088号
[24] Schittkowski，K.：NLQPL：求解约束非线性规划问题的FORTRAN子例程。安·Oper。485-500号决议（1985年）
[25] Liu，L.，Zhong，W.，Qian，F.：一种改进的混沌粒子群优化算法。华东理工大学。Technol公司。（国家科学编辑）267-272（2010）
[26] Coello-Coello，C.：工程优化问题的自适应惩罚方法的使用。计算。Ind.113-127（2000年）·Zbl 1066.01025号
[27] Farmani，R.，Wright，J.：约束优化的自适应适应度公式。EEE变速器。进化。计算。445-455 (2003)
[28] Lampinen，J.：差分进化算法的约束处理方法。IEEE会议。进化。计算。1468-1473（2002年）
[29] He，Q.，Wang，L.：一种混合粒子群优化算法，具有基于可行性的约束优化规则。申请。数学。计算。1407-1422 (2007) ·Zbl 1117.65088号
[30] Hu，X.，Eberhart，R.：使用粒子群优化解决约束非线性优化问题。参加：第六届系统学、控制论和信息学世界多会议（2002年）
[31] Koziel，S.、Michalewicz，Z.：进化算法、同态映射和约束参数优化。进化。计算。19-44 (1999)
[32] Coello Coello，C.，Becerra，R.：通过使用文化算法进行有效的进化优化。工程优化。219-236 (2004)
[33] Becerra，R.，Coello Coello，C.：约束优化的文化差异进化。计算。方法应用。机械。工程4303-4322（2006）·Zbl 1123.74039号
[34] Chootinan，P.，Chen，A.：使用基于梯度的修复方法的遗传算法中的约束处理。计算。操作。第2263-2281号决议（2006年）·Zbl 1086.90058号
[35] Zahara，E.，Hu，C.：使用混合粒子群优化解决约束优化问题。工程优化。1031-1049（2008年）
[36] Montes，E.，Lopez-Ramirez，B.：比较约束优化问题中的生物启发算法。IEEE会议。进化。计算。662-669 (2007). 新加坡
[37] Montes，E.，Varela，M.，Caemen，R.，Ramon，G.：约束数值优化中的差异演化：一项实证研究。信息科学。4223-4262 (2010) ·Zbl 1206.90226号
[38] Deb，K.：GeneAS：机械部件设计的稳健优化设计技术。摘自：Dasgupta，D.，Michalewicz，Z.（编辑）《工程应用中的进化算法》，第497-514页。施普林格（1997）
[39] Kannan，B.，Kramer，S.：基于增广拉格朗日乘子的混合整数离散连续优化方法及其在机械设计中的应用。ASME J.机械。设计。405-411 (1994)
[40] Ragsdell，K.，Phillips，D.：使用几何编程对一类焊接结构进行优化设计。SME J.Eng.Ind.系列。B 1021-1025（1976）
[41] Mohamed，A.W.，Sabry，H.Z.：基于改进差分进化算法的约束优化。信息科学。194, 171-208 (2012) ·doi:10.1016/j.ins.2012.01.008
[42] Behrooz，G.，Li，X.，Ozlen，M.：使用改进的增广拉格朗日函数进行协同进化差分进化，以解决约束优化问题。信息科学。369（C），441-456（2016）
[43] Dong，Y.，Tang，J.，Xu，B.，Wang，D.：群优化在非线性规划中的应用。计算。数学。申请。1655-1668（2005年）·Zbl 1127.90407号
[44] Hamida，S.，Schoenauer，M.：ASCHEA：使用自适应分离约束处理的新结果。IEEE会议。进化。计算。884-889 (2002)
[45] Hedar，A.R.，Fukushima，M.：约束连续全局优化的无导数模拟退火方法。J.全球。最佳方案。521-549 (2006) ·Zbl 1133.90421号
[46] Runarsson，T.，Yao，X.：约束进化优化的随机排序。IEEE传输。进化。计算。284-294 (2000)
[47] Arora，J.：优化设计导论。爱思唯尔学术出版社（2004）
[48] Coello Coello，C.，Montes，E.：通过使用基于优势的锦标赛选择，在遗传算法中进行约束处理。高级工程信息193-203（2002）
[49] He，Q.，Wang，L.：约束工程设计问题的有效协同进化粒子群优化。工程应用。Artif公司。智力。89-99 (2006)
[50] Kulkarni，A.，Tai，K.：使用概率集合和惩罚函数方法解决约束优化问题。国际期刊计算。智力。申请。10（4），445-470（2011）·Zbl 1251.68207号 ·doi:10.1142/S169026811003185
[51] Siddall，J.：工程设计中的分析设计制作。普伦蒂斯·霍尔（1972）
[52] Sandgren，E.：机械设计中的非线性整数和离散规划。摘自：ASME设计技术会议，第95-105页（1988年）
[53] Vanderplaat，G.：工程设计的数值优化技术。麦克劳·希尔（1984）·Zbl 0613.90062号
[54] Metkar，S.，Kulkarni，A.：边界搜索遗传算法：约束问题的多目标方法。摘自：Satapathy，S.、Biswal，B.、Udgata，S.（编辑）《智能与软计算进展》，第269-276页。施普林格（2013）
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。