×

约束数值优化中改进人工蜂群的实证分析。 (英语) Zbl 1284.90079号

摘要:提出了一种求解约束数值优化问题的改进人工蜂群算法。对该算法进行了与选择机制、侦察蜂算子、等式约束和边界约束相关的四个修改,以修改其在受限搜索空间中的行为。采用专业文献中的六个性能指标分析了该算法的不同性能,如生成可行解的能力和成本、定位可行全局最优解的能力与成本以及改进可行解的性能。在测试设计中考虑了三个实验,包括与最先进算法的比较,其中使用了24个具有不同特征的众所周知的基准问题。总体结果表明,与原人工蜂群算法相比,该算法的行为有所不同,但性能有所提高,主要是在存在等式约束的小可行域问题上。

MSC公司:

90立方 非线性规划
90 C59 数学规划中的近似方法和启发式
65K10码 数值优化和变分技术
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Engelbrecht,A.P.,《计算群智能基础》(2005),威利出版社
[2] 艾本,A。;Smith,J.E.,《进化计算导论》。进化计算导论,自然计算系列(2003),Springer-Verlag·Zbl 1028.68022号
[3] (Mezura-Montes,E.,计算智能研究进化优化中的约束处理,第198卷(2009年),Springer-Verlag)
[4] Michalewicz,Z。;Schoenauer,M.,约束参数优化问题的进化算法,进化计算,4,1,1-32(1996)
[5] Coello,C.A.C.,《与进化算法一起使用的理论和数值约束处理技术:最新技术综述》,《应用力学和工程中的计算机方法》,191,11-12,1245-1287(2002)·Zbl 1026.74056号
[6] 蒙森,C.K。;Seppi,K.D.,PSO中的线性等式约束同态映射,(IEEE进化计算大会(CEC’2005),第1卷(2005),IEEE服务中心:苏格兰爱丁堡IEEE服务中),73-80
[7] 卡尼娜,L。;Esquivel,S。;Coello-Coello,C.,用于求解约束数值优化的振动机制双种群粒子群算法,(IEEE进化计算大会(CEC'2007)(2007),IEEE出版社:IEEE出版社新加坡),670-676
[8] E.Mezura-Montes,J.I.Flores-Mendoza,《从自然中解决多目标问题:从概念到应用》,载于:R.Chiong(Ed.),优化的自然启发算法,计算智能系列研究,Ch.约束数值搜索空间中的改进粒子群优化,ISBN:978-3-540-72963-1,2009年,Springer-Verlag,第193卷,(2009),第299-332页。;E.Mezura-Montes,J.I.Flores-Mendoza,《从自然中解决多目标问题:从概念到应用》,载于:R.Chiong(Ed.),优化的自然启发算法,计算智能系列研究,Ch.约束数值搜索空间中的改进粒子群优化,ISBN:978-3-540-72963-1,2009年,Springer-Verlag,第193卷,(2009年),第299-332页。
[9] 穆尼奥斯·扎瓦拉(Angel E.Muñoz Zavala)。;埃尔南德斯·阿吉雷,A。;E.R.维拉迪哈塞。;Botello Rionda,S.,约束优化的PESO+,(IEEE进化计算大会(CEC’2006)(2006),IEEE,温哥华:IEEE,Vancouver 942),935
[10] 穆尼奥斯·扎瓦拉,A.E。;埃尔南德斯·阿吉雷(Hernández Aguirre),A。;Villa Diharce,E.R。;Botello Rionda,S.,用改进的粒子群优化算法进行约束优化,《国际智能计算与控制论杂志》,1,3,425-453(2008)·Zbl 1151.90597号
[11] Abbass,H.A.,《蜜蜂优化中的婚姻(mbo):一种单倍型多配偶群集方法》,(进化计算大会,CEC(2001),IEEE出版社),207-214
[12] O.B.哈达德。;Marino,M.A.,《动态惩罚函数作为一种策略在利用蜜蜂交配操作(hbmo)算法解决水资源组合优化问题中的应用》,《流体信息学杂志》,9,3,233-250(2007)
[13] Baykasoglu,A。;Ozbakir,L。;Tapkan,P.,《人工蜂群算法及其在广义指派问题中的应用》(Swarm Intelligence:Focus on Ant and Particle Swarm Optimization,2007),Itech Education and Pub.:Itech教育与出版。奥地利维也纳),113-144
[14] Pham,D。;甘巴扎德,A。;Ko,S.O.E。;拉希姆,S。;Zaidi,M.,The bees algorithm:a new tool for complex optimization problems,(第二届智能生产机器和系统虚拟国际会议(IPROMS 2006)(2006),牛津:爱思唯尔出版社),454-461
[15] D.Karaboga,B.Akay,《人工蜂群(abc),数值优化中的和谐搜索和蜜蜂算法》,载于:《创新生产机器和系统虚拟会议》(IPROMS 2009),2009年<http://conference.iproms.org/sites/conference.iproms.org/files/IPROMSABCv2.pdf>; D.Karaboga,B.Akay,《人工蜂群(abc),数值优化中的和谐搜索和蜜蜂算法》,载于:《创新生产机器和系统虚拟会议》(IPROMS 2009),2009年<http://conference.iproms.org/sites/conference.iproms.org/files/IPROMSABCv2.pdf>
[16] Yang,X.S.,通过自然启发的虚拟蜜蜂算法进行工程优化,(人工智能和知识工程应用:生物启发方法,3562(2005),施普林格:施普林格柏林,海德堡),317-323
[17] 卡拉博加,D。;Basturk,B.,《数值函数优化的一种强大而有效的算法:人工蜂群(abc)算法》,《全局优化杂志》,39,3,459-471(2007)·Zbl 1149.90186号
[18] D.Karaboga,B.Basturk,解决约束优化问题的人工蜂群(abc)优化算法,收录于:P.Melin,O.Castillo,L.T.Aguilar,J.Kacptrzyk,W.Pedrycz(编辑),《模糊逻辑和软计算基础》,第十二届国际模糊系统协会,世界大会,IFSA 2007,《人工智能讲义》,斯普林格,墨西哥坎昆,第45292007卷,第789-798页。;D.Karaboga,B.Basturk,解决约束优化问题的人工蜂群(abc)优化算法,收录于:P.Melin,O.Castillo,L.T.Aguilar,J.Kacptrzyk,W.Pedrycz(编辑),《模糊逻辑和软计算基础》,第十二届国际模糊系统协会,世界大会,IFSA 2007,《人工智能课堂讲稿》,斯普林格,墨西哥坎昆,第4529卷,2007年,第789-798页·Zbl 1149.90186号
[19] Mezura-Montes,E。;Cetina-Domínguez,O.,《利用人工蜂群中的侦察蜂探索搜索空间的前景区域以进行约束优化》,(Dagli,C.H.;等,《通过人工神经网络的智能工程系统》(ANNIE’2001),第19卷(2009),ASME出版社:美国密苏里州圣路易斯ASME出版社),253-260
[20] 卡拉博加,D.,《基于蜜蜂群的数值优化思想》(2005年),土耳其埃西耶斯大学工程学院:埃西耶s大学工程学院,土耳其技术代表。
[21] P.-W.TSai,J.-S.Pan,B.-Y.Liao,S.-C.Chu,增强型人工蜂群优化,国际创新计算、信息与控制杂志5(12)。;P.-W.TSai,J.-S.Pan,B.-Y.Liao,S.-C.Chu,增强型人工蜂群优化,国际创新计算、信息与控制杂志5(12)。
[22] O.B.哈达德。;Afshar,A。;Mario,M.A.,Honey-bees交配优化(hbmo)算法:水资源优化的新启发式方法,水资源管理,20661-680(2006)
[23] Goldberg,D.E.,《搜索、优化和机器学习中的遗传算法》(1989),Addison-Wesley Publishing Co.,Reading,Massachusetts·Zbl 0721.68056号
[24] 卡拉博加,D。;Basturk,B.,《关于人工蜂群(abc)算法的性能》,应用软计算,8,1,687-697(2008)
[25] Deb,K.,遗传算法的一种有效约束处理方法,应用力学与工程中的计算机方法,186,2/4,311-338(2000)·Zbl 1028.90533号
[26] 齐林斯基,K。;Vudathu,S.P。;劳尔·R。;Krasnogor,N.,允许等式约束的不同偏差对粒子群优化和差分进化的影响,(Krasnogor,N.;尼科西亚,G.;帕沃内,M.;佩尔塔,D.,自然启发的优化合作策略(2008),施普林格:施普林格-柏林)
[27] J.J.Liang,T.Runarsson,E.Mezura-Montes,M.Clerc,P.Suganthan,C.A.Coello Coello,K.Deb,CEC 2006约束实际参数优化特别会议的问题定义和评估标准,技术报告,新加坡南洋理工大学,(2005年12月)<http://www.lania.mx/emezura网站>.; J.J.Liang,T.Runarsson,E.Mezura-Montes,M.Clerc,P.Suganthan,C.A.Coello Coello,K.Deb,CEC 2006约束实际参数优化特别会议的问题定义和评估标准,技术报告,新加坡南洋理工大学,(2005年12月)<http://www.lania.mx/emezura网站>.
[28] 艾本,G。;Schut,M.,《校准进化算法的新方法》(Siarry,P.;Michalewicz,Z.,《硬优化的元启发式进展》(2008),自然计算:自然计算Springer,德国海德堡),153-177·Zbl 1211.90303号
[29] Hamida,S.B。;Schoenauer,M.,ASCHEA:使用自适应隔离约束处理的新结果,(2002年进化计算大会会议记录(CEC'2002),第1卷(2002),IEEE服务中心:新泽西州皮斯卡塔韦IEEE服务中心),884-889
[30] Mezura-Montes,E。;Coello,C.A.C.,《识别在线行为——约束优化的两种竞争方法中的一些困难来源》,(IEEE进化计算大会(CEC’2005),第2卷(2005),IEEE出版社:苏格兰爱丁堡IEEE出版社),1477-1484
[31] Lu,H.等人。;Chen,W.,用于解决约束优化问题的自适应速度粒子群优化,《全局优化杂志》,41,3,427-445(2008)·Zbl 1152.90670号
[32] (Schwefel,H.-P.,进化与优化寻求(1995),威利出版社:威利纽约)
[33] 价格,K。;斯托恩,R。;Lampinen,J.,《差分进化:全局优化的实用方法》(自然计算系列(2005),Springer-Verlag)·Zbl 1186.90004号
[34] 肯尼迪,J。;Eberhart,R.C.,《Swarm Intelligence》(2001),摩根·考夫曼:摩根·考夫曼英国
[35] 库科宁,S。;Lampinen,J.,带广义差分进化的约束实际参数优化,(IEEE进化计算大会(CEC’2006)(2006),IEEE,温哥华:IEEE,加拿大温哥华BC),911-918
[36] 价格,K.V。;Rönkkönen,J.I.,比较变分进化算法中全局和局部选择的单模缩放性能,(IEEE进化计算大会(CEC’2006)(2006),IEEE出版社,温哥华:IEEE出版社(加拿大温哥华),7387-7394
[37] Lampinen,J.,差分进化算法的约束处理方法,(《进化计算大会论文集》(CEC’2002),第2卷(2002),IEEE服务中心:新泽西州皮斯卡塔韦IEEE服务中),1468-1473
[38] Mallipeddi,R。;Suganthan,P.,约束处理技术集成,IEEE进化计算汇刊,14,4,561-579(2010)
[39] Wang,Y。;蔡,Z。;郭,G。;周瑜,解决约束优化问题的多目标优化和混合进化算法,IEEE系统汇刊,人与控制论B部分-控制论,37,3,560-575(2007)
[40] Wang,Y。;蔡,Z。;周,Y。;Zeng,W.,约束进化优化的自适应权衡模型,IEEE进化计算汇刊,12,1,80-92(2008)
[41] 张,M。;罗,W。;Wang,X.,约束优化的动态随机选择微分进化,信息科学,178,15,3043-3074(2008)
[42] Wolpert,D.H。;Macready,W.G.,优化的无免费午餐定理,IEEE进化计算汇刊,1,1,67-82(1997)
[43] Takahama,T。;Sakai,S.,《基于梯度突变和可行精英的受限差分进化约束优化》,(IEEE进化计算大会(CEC'2006)(2006),IEEE,温哥华:IEEE,加拿大温哥华BC),308-315
[44] 黄,V.L。;秦,A.K。;Suganthan,P.N.,约束实际参数优化的自适应差分进化算法,(IEEE进化计算大会(CEC’2006)(2006),IEEE,温哥华:IEEE,加拿大温哥华),324-331
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。