×
迪克希特·乔汉;亚达夫，阿努帕姆

一种用于全局优化的基于竞争和协作的多级递阶人工电场算法。 （英语） Zbl 07741635号

信息科学。 648，文章ID 119535，38 p.（2023）.
摘要：竞争和协作策略和拓扑是最基本的概念之一，对基于种群的优化算法的优化能力有很大影响。为了更新个体信息，本文提出了一种基于竞争与协作策略的多级递阶人工电场算法（PAEFA）。该算法构造了一个多级结构，并将其放置在特定的层中。通过对同一层中的优胜者和失败者的适应性进行两两比较，将整个人群分为两组。失败者与各自的胜利者合作，而胜利者与上层的个人合作。在所提出的算法中，每个个体都有自己的学习机制，可以从多个样本中学习，而不仅仅是从全局最佳样本中学习。随着对这种结构的了解，人口的多样性增加，这加强了方案的性能。为了验证所提算法的适应性，在CEC 2017测试套件上进行了30、50和100维的广泛实验。我们使用所有三个维度研究了PAEFA的多样性因子。这些实验表明，PAEFA在准确性、统计结果和收敛速度方面优于30多个最先进的算法，同时在大多数情况下实现了可比较的计算时间，并显示了结果的有效性。与其他最先进的算法相比，PAEFA算法在所有三个维度上的准确率和统计显著性分别为87.60%和80.05%的问题上实现了卓越的性能。

MSC公司：

90C26型 非凸规划，全局优化
90 C59 数学规划中的近似方法和启发式

关键词：

进化计算;软计算;人口拓扑;多级结构;竞争与合作战略

软件：

AOA公司;公共管理硕士;CMA-ES公司;GSA公司
PDF格式BibTeX公司 XML格式引用
\textit{D.Chauhan}和\textit{A.Yadav}，信息科学。648，文章ID 119535，38 p.（2023；Zbl 07741635）
全文： 内政部

参考文献：

[1] 彭健；李一冰；康洪伟；沈勇；孙兴平；Chen，Qingyi，种群拓扑结构对粒子群优化及其变体的影响：信息传播的视角，swarm Evol。计算。，69，第100990条pp.（2022）
[2] 周新余；吴彦琳；钟茂盛；王明文，基于自适应邻域拓扑的人工蜂群算法，信息科学。，610, 1078-1101 (2022)
[3] 董建平；张格祥；罗彪；杨强；郭德全；荣，海娜；朱明；周康，用于近似求解组合优化问题的分布式自适应优化尖峰神经网络系统，信息科学。，596, 1-14 (2022)
[4] 尼基尔·阿迪蒂亚（Nikhil Aditya）；桑卡·马哈帕特拉（Sankar Mahapatra），西巴（Siba），基于混沌多样性的引力搜索算法中从探索到开发的转换，信息科学。，635, 298-327 (2023)
[5] 苏坎塔·纳马；库马尔·萨哈，阿普；查克拉波蒂，桑乔伊；Amir H.甘多米。；Abualigah，Laith，通过优化问题的回溯搜索算法推进粒子群优化，swarm Evol。计算。，79，第101304条pp.（2023）
[6] 韩洪贵；张林林；英加，A。；乔俊飞，多目标粒子群优化的自适应多重选择策略，信息科学。，624, 235-251 (2023)
[7] Kordos，Mirosław；马钦·布拉奇尼克（Marcin Blachnik）；Scherer，Rafał，基于遗传算法的回归问题实例选择的模糊聚类分解，信息科学。，587, 23-40 (2022)
[8] 阿卜杜勒·纳比，希巴；Ali，Mostafa Z。；阿拉法特·阿瓦扬；拉米·阿拉兹莱；穆罕默德·达乌德一世。；Suganthan，Ponnuthurai N.，用于全局数值优化的带有自适应微分算法的迭代循环三策略混合随机分形，Inf.Sci。，628, 92-133 (2023)
[9] Chauhan，迪克希特；Yadav，Anupam，通过综合动态多温引力搜索算法优化混合有源电力滤波器参数，工程应用。Artif公司。智力。，123，第106469条pp.（2023）
[10] 安妮塔·萨伊万（Anita Sajwan）；Aefa，Anupam Yadav，用于全局优化的人工电场算法，Swarm Evol。计算。，48, 93-108 (2019)
[11] 安妮塔·萨伊万（Anita Sajwan）；Yadav，Anupam，高阶图形匹配的离散人工电场算法，应用。软计算。，92，第106260条pp.（2020）
[12] Dikshit Chauhan；Yadav，Anupam，二进制人工电场算法，Evol。智力。，1-29 (2022)
[13] 埃萨姆·霍森。；Fatma A.Hashim。；塞达利·费拉提亚；Rezk，Hegazy，《用于解决燃料电池优化问题和参数估计的高效改进人工电场算法》，《国际能源研究杂志》（2021）
[14] Dikshit Chauhan；亚达夫，阿努帕姆；Neri，Ferrante，多智能体优化算法及其在训练多层感知器模型中的应用，Evol。系统。，1-31 (2023)
[15] 程家堂；徐培珍；熊，燕，一种改进的人工电场算法及其在神经网络优化中的应用，计算。选举人。工程，101，第108111条pp.（2022）
[16] 毕建；周、郭；周永泉；罗启芳；邓，吴，球形多重旅行推销员问题的带贪婪状态转移策略的人工电场算法，国际计算杂志。智力。系统。，15, 1, 5 (2022)
[17] 阿卜杜勒·阿齐兹（Abdulaziz，Alanazi）；Alanazi，Mohana，《考虑电能质量和未供电情况下多准则网络重构的人工电场算法模板搜索》，《能源》，第15、14、5269页（2022年）
[18] Dikshit Chauhan；Yadav，Anupam，连续优化问题的自适应人工电场算法，专家系统。，文章e13380 pp.（2023）
[19] 郑宏宇；高，胡安；熊、居霞；姚广雷；崔洪江；Zhang，Lirong，一种用于物流配送车辆路径的具有正弦余弦机制的增强型人工电场算法，应用。科学。，12, 12, 6240 (2022)
[20] Nageswararao的Malisetti；Kumar Pamula、Vinay、Energy efficiency cluster based routing for wireless sensor networks using moth Levy采用人工电场算法和定制的灰狼优化算法Microprocess。微晶。，93，第104593条pp.（2022）
[21] Adegboye，Oluwatayomi Rereloluwa；Denizülker，Ezgi，高斯变异镜面反射学习与基于局部逃逸算子的人工电场算法及其工程应用，应用。科学。，13, 7, 4157 (2023)
[22] Adegboye，Oluwatayomi Rereloluwa；Denizülker，Ezgi，利用杜鹃搜索算法和折射学习的混合人工电场，用于工程优化问题，科学。代表，13，1，4098（2023）
[23] 安妮塔·萨伊万（Anita Sajwan）；亚达夫，阿努帕姆；Kumar，Nitin，工程优化问题的人工电场算法，专家系统。申请。，149，第113308条pp.（2020）
[24] Dikshit Chauhan；Yadav，Anupam，《人工电场算法和差分进化在连续优化问题中的混合》，（第七届和谐搜索、软计算和应用国际会议论文集：ICHSA 2022（2022），Springer），507-520
[25] 斯道恩，Rainer；Price，Kenneth，《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.Glob。最佳。，11, 4, 341-359 (1997) ·Zbl 0888.90135号
[26] 尼古拉斯·汉森；缪勒，西比尔·D·。；Koumoutsakos，Petros，用协方差矩阵自适应（cma-es）降低去随机化进化策略的时间复杂性，Evol。计算。，11, 1, 1-18 (2003)
[27] 马尔科·多里戈；毛罗·比拉塔里；Stutzle，Thomas，蚁群优化，IEEE计算。智力。Mag.，1，4，28-39（2006）
[28] Dan，Simon，基于生物地理的优化，IEEE Trans。进化。计算。，12, 6, 702-713 (2008)
[29] 埃斯马特·拉舍迪（Esmat Rashedi）；Nezamabadi-Pour，侯赛因；Saryazdi，Saeid，Gsa：引力搜索算法，信息科学。，179, 13, 2232-2248 (2009) ·Zbl 1177.90378号
[30] 龚文银；蔡志华；Ling，Charles X.，De/bbo:一种基于生物地理学的全球数值优化的混合差分进化，软计算。，15, 4, 645-665 (2010)
[31] Rao，R.Venkata；维马尔·萨瓦尼。；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, 3, 303-315 (2011)
[32] Tanabe、Ryoji；Fukunaga，Alex，差分进化的基于成功历史的参数自适应，（2013年IEEE进化计算大会（2013），IEEE），71-78
[33] 米尔贾利利、塞耶达利；刘易斯，安德鲁，自适应高斯制导引力搜索算法，神经计算。申请。，25, 7, 1569-1584 (2014)
[34] Askarzadeh，Alireza，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)
[35] 希曼舒·米塔尔；拉朱·帕尔（Raju Pal）；安库尔·库拉里；Saraswat，Mukesh，混沌kbest引力搜索算法（ckgsa），（2016年第九届国际当代计算会议（IC3）（2016），IEEE），1-6
[36] Mirjalili，Seyedali，Sca：解决优化问题的正弦余弦算法，Knowl-基于系统。，96120-133（2016）
[37] Jaya，R.Rao，《求解约束和无约束优化问题的一种简单且新的优化算法》，国际工业工程计算杂志。，7, 1, 19-34 (2016)
[38] 米尔贾利利、塞耶达利；Gandomi，Amir H.，引力搜索算法的混沌引力常数，应用。软计算。，53, 407-419 (2017)
[39] Berkan Aydilek，Ibrahim，计算成本高昂的数值问题的萤火虫和粒子群混合优化算法，Appl。软计算。，66, 232-249 (2018)
[40] 桑卡拉普阿罗拉；Singh，Satvir，蝴蝶优化算法：一种新的全局优化方法，软计算。，23, 3, 715-734 (2019)
[41] Khishe，M。；Reza Mosavi，Mohammad，黑猩猩优化算法，专家系统。申请。，149，第113338条pp.（2020）
[42] 张孟坚；龙、道音；秦、道；Yang，Jing，一种用于高维优化问题的带有粒子群优化的混沌混合蝴蝶优化算法，Symmetry，12，11，1800（2020）
[43] Tsafarakis，Stelios；Zervoudakis，Konstantinos；安德烈亚斯·安德罗尼基迪斯；Altsitsiadis，Efthymios，用于优化产品线设计的模糊自校正差分进化，Eur.J.Oper。第287、3、1161-1169号决议（2020年）·Zbl 1487.90423号
[44] 阿夫申·法拉马齐；海德丽内贾德，穆罕默德；米尔贾利利、塞耶达利；Gandomi，Amir H.，《海洋捕食者算法：自然启发的元启发式》，专家系统。申请。，152，第113377条pp.（2020）
[45] 赵卫国；王丽英；张振兴，基于人工生态系统的优化：一种新的自然启发元神经算法，神经计算。申请。，32, 13, 9383-9425 (2020)
[46] 哈姆迪·托尔加·卡拉曼；阿拉斯、塞法；Gedikli，Eyüp，Fitness-distance balance（fdb）：元神经搜索算法的新选择方法，Knowl-基于系统。，190，第105169条pp.（2020）
[47] 萨特南·卡尔；Awasthi，Lalit K。；桑加尔，A.L。；Dhiman，Gaurav，Tuncate swarm algorithm:一种新的基于生物启发的全局优化元启发式范式，工程应用。Artif公司。智力。，90，第103541条pp.（2020）
[48] 耶拿州比比卡南达；Naik，Manoj Kumar；阿内什·温纳瓦；Panda，Rutuparna，差分松鼠搜索算法，（智能计算与通信进展（2021），Springer），143-152
[49] Laith Abualigah；阿里·迪亚巴特（Ali Diabat）；米尔贾利利、塞耶达利；穆罕默德·阿卜德·埃拉齐兹（Abd Elaziz，Mohamed）；Gandomi，Amir H.，算术优化算法，计算。方法应用。机械。工程，376，第113609条pp.（2021）·Zbl 1506.90276号
[50] 高拉夫·迪曼；Meenakshi Garg；阿图利亚·纳加尔；维杰·库马尔；Dehghani，Mohammad，《一种新的全局优化算法：鼠群优化器》，J.Ambient Intell。Humaniz公司。计算。，12, 8, 8457-8482 (2021)
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。