×
阿卜杜勒·拉赫曼·希达尔;韦尔·迪伯斯;赫沙姆·H·阿明。;马吉德·阿拉马什;福岛，Masao

非线性全局优化的全局传感搜索。 （英语） 兹比尔1490.90228

J.全球。优化。 82，第4期，753-802（2022）.
摘要：元启发式是一种强大而通用的全局搜索方法。大多数元启发式方法没有完全配备学习过程。因此，大多数搜索历史不会在后续的元启发式步骤中重用。本研究的主要目的是开发一个通用框架，用于自动化和增强元启发式中的搜索过程和过程。该框架被称为全球感知搜索（GSS），它利用搜索记忆为搜索配备适用的感知功能和自适应学习元素，以找到更好的解决方案并探索更多不同的解决方案。此外，GSS框架应用不同的搜索条件来检查是否需要使用适当的强化和/或多样化策略，以及是否需要终止搜索。提出了一种GSS框架的实现方法，以改变标准遗传算法（GA）的结构。为此，提出了一种基于遗传算法的新方法——遗传传感算法。计算实验表明了所提方法的有效性。

引用于1文件

MSC公司：

90C26型 非凸规划，全局优化
90C59 数学规划中的近似方法和启发式

关键词：

元启发式;遗传算法;搜索记忆;传感搜索;全局优化

软件：

GLOB公司;CMA-ES公司;中国电子05
PDF格式BibTeX公司 XML格式引用
\textit{A.-R.Hedar}等人，J.Glob。最佳方案。82，编号4，753--802（2022；Zbl 1490.90228）
全文： 内政部

参考文献：

[1] Aarts，E.，Korst，J.，Michiels，W.：模拟退火。摘自：《搜索方法学》，第187-210页。斯普林格（2005）·Zbl 1129.90061号
[2] Al-Betar，MA，（beta）-爬山：探索性局部搜索，神经计算。申请。，28, 1, 153-168 (2017)
[3] Auger，A.，Hansen，N.：随着人口规模的增加，重新启动CMA进化策略。摘自：2005年IEEE进化计算大会，第2卷，第1769-1776页。IEEE（2005）
[4] Auger，A.，Hansen，N.：一种先进的局部搜索进化算法的性能评估。摘自：2005年IEEE进化计算大会，2005年，第2卷，第1777-1784页。IEEE（2005）
[5] Back，T.，Fogel，D.B.，Michalewicz，Z.：进化计算手册。IOP出版有限公司（1997）·Zbl 0883.68001号
[6] 贝克，J.E.：遗传算法的自适应选择方法。摘自：《遗传算法及其应用国际会议论文集》，第101-111页。新泽西州希尔斯代尔（1985）·Zbl 0676.68043号
[7] 贝蒂斯，RA；Hu，S.，《有限理性、启发式、计算复杂性和人工智能》，《行为战略展望》，39，139-150（2018）
[8] 布鲁姆，C。；Puchinger，J.等人，Andrea，GR，《组合优化中的混合元启发式：一项调查》，应用软件计算，11，6，4135-4151（2011）
[9] 布鲁姆，C。；Roli，A.，《组合优化中的元启发式：概述和概念比较》，ACM计算。调查。，35, 3, 268-308 (2003)
[10] 布鲁姆，C。；罗利，A。；Sampels，M.，《混合元启发式：新兴的优化方法》（2008），柏林：施普林格出版社，柏林·Zbl 1143.90001号
[11] 蔡，Y。；赵，M。；廖，J。；Wang，T。；Tian，H。；陈毅，邻域引导微分进化，软计算。，21, 16, 4769-4812 (2017)
[12] De Oca，M.A.M.，Stützle，T.，Birattari，M.，Dorigo，M.：Frankenstein的粒子群优化算法。IEEE传输。进化计算。13(5), 1120-1132 (2009)
[13] Dowsland，K.A.，Thompson，J.：模拟退火。《自然计算手册》，第1623-1655页（2012）
[14] 范，Q。；严，X。；薛，余，先验知识引导的差异进化，软计算。，21, 22, 6841-6858 (2017)
[15] 南卡罗来纳州加西亚。；费尔南德斯，A。；Luengo，J。；Herrera，F.，《基于遗传的机器学习的统计技术和性能度量研究：准确性和可解释性》，软计算。，13, 10, 959 (2009)
[16] Gendreau，M。；Potvin，J-Y，《元启发式手册》（2010），柏林：施普林格出版社，柏林·Zbl 1198.90002号
[17] Gibbs，M.S.，Maier，H.R.，Dandy，G.C.，Nixon，J.B.：遗传算法收敛所需的最小代数。摘自：IEEE进化计算大会，2006年。CEC 2006，第565-572页。IEEE（2006）
[18] Glover，F.，《人工智能、启发式框架和禁忌搜索》，Manag。Decis公司。经济。，11, 5, 365-375 (1990)
[19] 格洛弗：禁忌搜索和自适应内存编程——进展、应用和挑战。《计算机科学与运筹学接口》，第1-75页。施普林格（1997）·Zbl 0882.90111号
[20] 手套，F。；佐治亚州科钦伯格，《元启发式手册》（2003），柏林：施普林格，柏林·Zbl 1058.90002号
[21] Gogna，A。；Tayal，A.，《元启发式：回顾与应用》，J.Exp.Theor。Artif公司。智力。，25, 4, 503-526 (2013)
[22] Gutjahr，WJ，元启发式的收敛分析，数学，159-187（2009），柏林：施普林格出版社，柏林
[23] Hansen，N.：CMA进化策略：比较综述。《走向新的进化计算》，第75-102页。斯普林格（2006）
[24] Hansen，P。；Mladenović，N。；Pérez，JAM，可变邻域搜索：方法和应用，Ann.Oper。研究，175，1367-407（2010）·Zbl 1185.90211号
[25] Hedar，A-R.，Fukushima，M.：定向进化编程：提高进化编程的性能。摘自：IEEE进化计算大会，2006年。CEC 2006，第1521-1528页。IEEE（2006）
[26] Hedar，A.-R.：进化算法自动终止的自适应记忆矩阵。参加：第四届国际信息学会议；amp；amp；amp；amp；amp；amp；amp；amp；amp；amp；amp；amp；amp；amp；amp；amp；amp；amp；申请书（ICIA2015），第1页（2015）
[27] 希达尔，A-R；Ali，AF，Tabu使用多层邻域结构搜索高维问题，应用。智力。，37, 2, 189-206 (2012)
[28] 希达尔，A-R；阿里，空军；Abdel-Hamid，TH，基于遗传算法和禁忌搜索的分子三维结构预测方法。，数字。代数控制优化。，1, 1, 191-209 (2011) ·Zbl 1221.92010年
[29] 希达尔，A-R；迪伯斯，W。；Almaraashi，M。；Amin，HH，进化算法，通过二次编码和感知搜索增强全局优化，数学。计算。申请。，25, 1, 7 (2020)
[30] 希达尔，A-R；Fukushima，M.，通过单纯形编码遗传算法最小化多峰函数，Optim。方法软件。，18, 3, 265-282 (2003) ·兹比尔1048.90168
[31] 希达尔，A-R；Fukushima，M.，启发式模式搜索及其与非线性全局优化模拟退火的混合，Optim。方法软件。，19, 3-4, 291-308 (2004) ·Zbl 1059.90149号
[32] Hedar，A.-R，Ismail，R.，El Sayed，G.A.，Khayyat，K.M.J.：无线网络应用中最小连通支配集问题的两个元神经论。2015年第三届应用计算和信息技术国际会议/第二届计算科学和智能国际会议，第355-362页。IEEE（2015）
[33] Hedar，A.-R.，Ong，B.T.，Fukushima，M.：自动加速终止的遗传算法。京都大学应用数学和物理系，技术代表，第2卷（2007年）
[34] Hedar，A.-R.，Ong，B.T.，Fukushima，M.：遗传算法与加速突变和自动终止相结合。提交时间（2021年）
[35] 埃雷拉，F。；Lozano，M。；Molina，D.，《连续分散搜索：一些组合方法和改进策略的集成分析》，欧洲期刊Oper。第169、2、450-476号决议（2006年）·Zbl 1079.90176号
[36] Herrera，F。；Lozano，M。；JL Verdegay，《处理实数编码的遗传算法：行为分析的算子和工具》，Artif。智力。修订版，第12、4、265-319页（1998年）·Zbl 0905.68116号
[37] Jain，B.J.、Pohlheim，H.、Wegener，J.：进化算法的终止准则。摘自：《遗传和进化计算会议论文集》，GECCO-2001，加利福尼亚州旧金山，Morgan Kaufmann出版社（2001）
[38] Kaelo，P。；Ali，MM，实数编码遗传算法中的综合交叉规则，欧洲期刊Oper。第176、1、60-76号决议（2007年）·Zbl 1137.90735号
[39] Kanal，L。；库马尔，V.，《人工智能搜索》（2012），柏林：施普林格出版社，柏林·Zbl 0648.68104号
[40] Konar，Amit，《计算智能：原理、技术和应用》（2006），柏林：施普林格出版社，柏林·Zbl 1067.68120号
[41] 库穆西斯，VK；Katsaras，CP，一种结合了可变种群大小和重新初始化的影响以提高性能的锯切遗传算法，IEEE Trans。进化。计算。，10, 1, 19-28 (2006)
[42] 拉克鲁瓦，B。；莫利纳，D。；Herrera，F.，《基于区域的模因算法与多模态优化存档》，《信息科学》。，367, 719-746 (2016)
[43] 拉古纳，M。；Martí，R.，《用于多模态函数全局优化的高级散射搜索设计的实验测试》，J.Glob。最佳。，33, 2, 235-255 (2005) ·邮编1093.90092
[44] 梁，Y-W；Wang，Y.，用于全局数值优化的带量化的正交遗传算法，IEEE Trans。进化。计算。，5, 1, 41-53 (2001)
[45] 梁，用于多峰函数全局优化的综合学习粒子群优化器，IEEE Trans。进化。计算。，10, 3, 281-295 (2006)
[46] Liang，J.J.，Suganthan，P.N.，Deb，K.：数值全局优化的新组合测试函数。2005年：Swarm Intelligence Symposium。SIS 2005。2005年IEEE会议记录，第68-75页。IEEE（2005）
[47] Lim，D.，Ong，Y.-S.，Jin，Y.，Sendhoff，B.：可信进化算法。摘自：IEEE进化计算大会，2006年。CEC 2006，第149-156页。IEEE（2006）
[48] 刘，H。；蔡，Z。；Wang，Y.，将粒子群优化与差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)
[49] Lozano，M。；加西亚·马丁内斯（García-Martínez，C.），《强化和多样化进化算法的混合元启发式：概述和进度报告》，计算。操作。研究，37，3，481-497（2010）·Zbl 1173.90590号
[50] Lozano，M。；Herrera，F。；北卡罗来纳州克拉斯诺戈尔。；Molina，D.，《带交叉爬山的实码模因算法》，Evol。计算。，12, 3, 273-302 (2004)
[51] Luke，S.：《元启发式要领》，第2卷。卢卢·罗利（2013）
[52] 马哈达维，S。；我叫Shiri；Rahnamayan，S.，《大规模全球持续优化中的元启发式：一项调查》，《信息科学》。，295, 407-428 (2015)
[53] 曼恩，PS；Singh，S.，《用于无线传感器网络的改进的基于元启发式的节能群集协议》，工程应用。Artif公司。智力。，57, 142-152 (2017)
[54] 马辛奇，MH；马萨诸塞州奥尔根；Pedrycz，W.，改进禁忌搜索的混合优化，应用。软计算。，11, 2, 1993-2006 (2011)
[55] Mladenović，N。；德拉日奇，M。；科瓦切维奇，V。；乔安加洛维奇，M.，《连续优化的一般变量邻域搜索》，Eur.J.Oper。第191、3753-770号决议（2008年）·Zbl 1156.90005号
[56] Molina，D.，Herrera，F.，Lozano，M.：真实编码模因算法的自适应局部搜索参数。摘自：2005年IEEE进化计算大会，2005年，第1卷，第888-895页。IEEE（2005年）
[57] Moscato，P.：模因算法：简介。摘自：优化新理念，第219-234页。McGraw-Hill有限公司，英国（1999）
[58] Negnevitsky，M.，《人工智能：智能系统指南》（2005），伦敦：培生教育，伦敦
[59] 阮，QH；Ong，Y-S；Lim，MH，概率模因框架，IEEE Trans。进化。计算。，13, 3, 604-623 (2009)
[60] 英国电信公司Ong；Fukushima，M.，具有自动终止和搜索空间旋转的遗传算法，Memet。计算。，3, 2, 111-127 (2011)
[61] 英国电信公司Ong；Fukushima，M.，通过差分进化和自动终止进行全局优化，Numer。代数控制优化。，2, 1, 57-67 (2012) ·Zbl 1254.90178号
[62] 英国电信公司Ong；Fukushima，M.，《带主成分分析的自动终止粒子群优化》，国际J.Inf.Technol。12月Mak。，14, 1, 171-194 (2015)
[63] Ong，YS；Keane，AJ，模因算法中的Meta-Lamarckian学习，IEEE Trans。进化。计算。，8, 2, 99-110 (2004)
[64] Ong，Y-S；林，M-H；朱，N。；Wong，K-W，《自适应模因算法的分类：比较研究》，IEEE Trans-Syst Man-Cybern第B部分Cybern，36，1，141-152（2006）
[65] 普莱斯，肯尼斯；雷纳·M·斯托恩。；Lampinen，Jouni A.，《差异进化：全局优化的实用方法》（2006），柏林：施普林格出版社，柏林·兹比尔1186.90004
[66] AK秦；黄，VL；Suganthan，PN，全局数值优化策略自适应差分进化算法，IEEE Trans。进化。计算。，13, 2, 398-417 (2009)
[67] Raidl，G.R.：混合元启发式的统一观点。摘自：混合元启发式国际研讨会，第1-12页。施普林格（2006）
[68] Safe，M.，Carbarlido，J.，Ponzoni，I.，Brignole，N.：关于遗传算法的停止标准。在：《人工智能进展》SBIA 2004，第405-413页。斯普林格（2004）·Zbl 1105.68428号
[69] Sánchez-Oro，J.等人：在VNS中结合强化和多样化战略。顶点分离问题的应用。计算。操作。第52号决议，209-219（2014年）·Zbl 1348.90606号
[70] David J.Sheskin，《参数和非参数统计程序手册》（2003），博卡拉顿：CRC出版社，博卡拉通·Zbl 1038.6202号
[71] Siarry，P.，《元启发式》（2016），柏林：施普林格出版社，柏林·Zbl 1353.90005
[72] Sorensen，K.，Sevaux，M.，Glover，F.：元启发式的历史。arXiv预印arXiv:1704.00853（2017）
[73] Suganthan，P.N.，Hansen，N.，Liang，J.J.，Deb，K.，Chen，Y.-P.，Auger，A.，Tiwari，S.，cec的问题定义和评估标准：关于实际参数优化的特别会议。KanGAL Rep.2005005（2005），2005（2005）
[74] 田口，G。；乔杜里，S。；Taguchi，S.，《稳健工程》（2000），纽约：McGraw-Hill Professional出版社，纽约·Zbl 1121.62115号
[75] 埃里克·D·泰勒。；卢卡·甘巴德拉（Luca M.Gambardella）。；米歇尔·根德劳（Michel Gendreau）；Jean-Yves Potvin，《自适应内存编程：元启发式的统一视图》，欧洲期刊Oper。第135、1、1-16号决议（2001年）·Zbl 1051.90032号
[76] Talbi，El-Ghazali，《元启发式：从设计到实现》（2009），霍博肯：威利，霍博克·Zbl 1190.90293号
[77] 塔尔比，EG；Bachelet，V.，《COSEARCH：一种并行合作元启发式》，数学杂志。模型。算法，5，1，5-22（2006）·Zbl 1099.68742号
[78] Thomaidis，N.S.，Vassiliadis，V.：元启发式优化技术的随机收敛分析。《通过结合软计算和统计实现高级数据分析》，第343-357页。施普林格（2013）
[79] 蔡，J-T；刘，T-K；周，J-H，用于全局数值优化的混合田口遗传算法，IEEE Trans。进化。计算。，8, 4, 365-377 (2004)
[80] Tsoulos，IG，用于全局优化的实数遗传算法的修改，Appl。数学。计算。，203, 2, 598-607 (2008) ·兹比尔1157.65391
[81] 振国，T。；Yong，L.，用于全局数值优化的鲁棒随机遗传算法（StGA），IEEE Trans。进化。计算。，8, 5, 456-470 (2004)
[82] 乔里宾舍克，M。；刘，S-H；Mernik，M.，《进化算法的探索与开发：一项调查》，ACM Compute。调查。，45, 3, 1-33 (2013) ·Zbl 1293.68251号
[83] Vrugt，J.、Robinson，B.、Hyman，J.等人：用于实际参数空间中全局优化的自适应多方法搜索。IEEE传输。进化。计算。13(2), 243-259 (2009)
[84] Wang，L。；芮敏，X。；Yan，B.，《砷化镓上pHEMT的精确小尺寸模型提取》，国际期刊《红外Millim》。《海浪》，28，12，1133-1141（2007）
[85] Yan，Y。；Sohn，H。；Reyes，G.，针对旅行推销员问题，改进蚂蚁系统以在集约化和多样化之间实现更好的平衡，Appl。软计算。J.，60，256-267（2017）
[86] Yang，X.S.：工程优化：元启发式应用简介。工程优化。简介。梅塔厄。申请。(2010)
[87] Yang，X.S.：自然启发元启发式算法，第二版。第115页（2010年）
[88] 杨，XS；Deb，S。；Fong，S.，《元启发式算法：强化和多样化的最佳平衡》，应用。数学。信息科学。，8, 3, 977-983 (2014)
[89] 姚，X。；刘，Y。；Lin，G.，《进化编程变得更快》，IEEE Trans。进化。计算。，3，2，82-102（1999年）
[90] Zhou，Z。；Ong，YS；奈尔，PB；AJ Keane；Lum，KY，《结合全局和局部代理模型加速进化优化》，IEEE Trans。系统。人类网络。C部分申请。修订版，37、1、66-76（2007）
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。