✖


Jump to content

Таблица метаэвристики

    Add links

    Это хронологическая таблица метаэвристических алгоритмов , которая содержит только фундаментальные алгоритмы вычислительного интеллекта. Гибридные алгоритмы и многокритериальные алгоритмы не перечислены в таблице ниже.

    Категории

    [ редактировать ]
    • На основе траектории
    • Вдохновленный природой
      • Эволюционный
      • На основе роя
      • Био-вдохновленный
      • На основе физики/химии
      • Человеческий
      • Растительный
    • Вдохновленный искусством
    • Древний стиль

    Стол

    [ редактировать ]
    Имя Аббревиатура Основная категория Подкатегория Год публикации Ссылка.
    Имитация отжига на На основе траектории - 1983 [1]
    Табу Поиск ТС На основе траектории - 1989 [2]
    Генетический алгоритм Джорджия Эволюционный - 1992 [3]
    Эволюционный алгоритм советник Эволюционный - 1994
    Культурный алгоритм ЧТО 1994 [4]
    Оптимизация роя частиц ПСО Вдохновленный природой На основе роя 1995 [5]
    Дифференциальная оценка ИЗ Эволюционный - 1997 [6]
    Локальный поиск ЛС 1997
    Переменный поиск соседей ВНС На основе траектории - 1997 [7]
    Управляемый локальный поиск ГЛС На основе траектории - 1998 [8]
    Алгоритм клонального отбора CSA Эволюционный - 2000 [9]
    Поиск гармонии HS Эволюционный - 2001 [10]
    Меметический алгоритм И Эволюционный - 2002
    Итеративный локальный поиск ОНИ На основе траектории - 2003 [11]
    Искусственная пчелиная семья АВС Вдохновленный природой Био-вдохновленный 2005 [12]
    Оптимизация муравьиной колонии АКО Вдохновленный природой Био-вдохновленный 2006 [13]
    Оптимизация роя светлячков ГСО Вдохновленный природой На основе роя 2006 [14]
    Алгоритм прыжка перетасованной лягушки СФЛА Вдохновленный природой Био-вдохновленный 2006 [15]
    Инвазивная оптимизация сорняков ОНИ Вдохновленный природой Растительный 2006 [16]
    Алгоритм оптимизации искателя СОА Вдохновленный природой Человеческий 2006 [17]
    Империалистический конкурентный алгоритм МКА Вдохновленный природой Человеческий 2007 [18]
    Оптимизация центральной силы Финансовый директор 2007 [19]
    Оптимизация на основе биогеографии ОНИ Вдохновленный природой Человеческий 2008 [20]
    Алгоритм Светлячка НО Вдохновленный природой Био-вдохновленный 2008 [21]
    Интеллектуальные капли воды МВД Вдохновленный природой На основе роя 2008 [22]
    Обезьяний алгоритм И Вдохновленный природой Био-вдохновленный 2008 [23]
    Поиск кукушки CS Вдохновленный природой Био-вдохновленный 2009 [24]
    Оптимизатор группового поиска ГСО Вдохновленный природой На основе роя 2009 [25]
    Ключевой алгоритм резки КСА 2009 [26]
    Охота Поиск HS Вдохновленный природой На основе роя 2009 [27]
    Оптимизация химических реакций CRO Вдохновленный природой На основе физики/химии 2009 [28]
    Алгоритм летучей мыши НЕТ Вдохновленный природой Био-вдохновленный 2010 [29]
    Заряженный системный поиск CSS Вдохновленный природой На основе физики/химии 2010 [30]
    Стратегия орла ЯВЛЯЕТСЯ Вдохновленный природой 2010
    Алгоритм фейерверка ВРЕМЯ 2010 [31]
    Алгоритм оптимизации кукушки сертификат подлинности Вдохновленный природой Био-вдохновленный 2011 [32]
    Стохастический диффузионный поиск Паспорт безопасности 2011
    Оптимизация на основе преподавания-обучения ТЛБО Вдохновленный природой Человеческий 2011 [33]
    Оптимизация бактериальных колоний БКО 2012 [34]
    Оптимизация фруктовых мушек ФФО 2012
    Алгоритм стада криля ГОРЬКИЙ Вдохновленный природой Био-вдохновленный 2012 [35]
    Оптимизация миграции птиц МБО Вдохновленный природой На основе роя 2012 [36]
    Алгоритм водного цикла ВКА 2012
    Алгоритм поиска с возвратом БСА Эволюционный - 2013 [37]
    Алгоритм черной дыры ЧД Вдохновленный природой На основе физики/химии 2013 [38]
    Эхолокация дельфинов ИЗ Вдохновленный природой Био-вдохновленный 2013 [39]
    Оптимизация миграции животных АМО Вдохновленный природой На основе роя 2013 [40]
    Алгоритм Кештеля ТО Вдохновленный природой 2014 [41]
    Алгоритм оптимизации SDA ПДД Вдохновленный природой Био-вдохновленный 2014 [42]
    Алгоритм поиска искусственных корней АРФА Вдохновленный природой Растительный 2014 [43]
    Оптимизация спаривания шмелей ББМО 2014
    Оптимизация куриного роя ОГО Вдохновленный природой Био-вдохновленный 2014 [44]
    Оптимизация сталкивающихся тел CBO 2014 [45]
    Алгоритм оптимизации коралловых рифов ХОРВАТСКИЙ 2014
    Алгоритм опыления цветов ФПА Вдохновленный природой Растительный 2014 [46]
    Оптимизация радиального движения РМО Вдохновленный природой На основе роя 2014 [47]
    Оптимизация обезьяны-паука МЫ Вдохновленный природой Био-вдохновленный 2014 [48]
    Соревнования футбольной лиги СЛК Вдохновленный природой Человеческий 2014 [49]
    Алгоритм искусственных водорослей ААА 2015 [50]
    Адаптивный размерный поиск ОБЪЯВЛЕНИЯ 2015
    Алгоритм отчужденного муравья ААА 2015
    Алгоритм искусственного роя рыб АФСА Вдохновленный природой 2015
    Оптимизация афалины БДО Вдохновленный природой 2015 [51]
    Алгоритм крикета ЧТО 2015 [52]
    Алгоритм поиска слонов ЧТО Вдохновленный природой Био-вдохновленный 2015 [53]
    Оптимизатор Серого Волка БОЛЬШОЙ Вдохновленный природой Био-вдохновленный 2015 [54]
    Алгоритм Ягуара И Вдохновленный природой Био-вдохновленный 2015 [55]
    Алгоритм роя саранчи ЛСА Вдохновленный природой На основе роя 2015 [56]
    Оптимизация пламени мотылька МФО Вдохновленный природой Био-вдохновленный 2015 [57]
    Стохастический фрактальный поиск СФФ Эволюционный - 2015 [58]
    Алгоритм поиска вихрей ВСЕ Вдохновленный природой На основе физики/химии 2015 [59]
    Оптимизация водных волн ПАУ Вдохновленный природой На основе физики/химии 2015 [60]
    Оптимизатор Муравей-Лев ЛИЦО Вдохновленный природой Био-вдохновленный 2015 [61]
    Оптимизация африканского буйвола ОНИ Вдохновленный природой На основе роя 2015 [62]
    Алгоритм поиска молний ЛСА Вдохновленный природой На основе физики/химии 2015 [63]
    Поиск по окрестностям ГОДЫ Эволюционный - 2016 [64]
    Алгоритм поиска вороны CSA Вдохновленный природой Био-вдохновленный 2016 [65]
    Оптимизация электромагнитного поля С Вдохновленный природой На основе физики/химии 2016 [66]
    Алгоритм совместных операций ЙОА Вдохновленный природой На основе роя 2016 [67]
    Алгоритм оптимизации Льва ДОСТУПНЫЙ Вдохновленный природой Био-вдохновленный 2016 [68]
    Синус-косинусный алгоритм СКА Вдохновленный природой На основе физики/химии 2016 [69]
    Поиск вирусной колонии система контроля версий Вдохновленный природой Био-вдохновленный 2016 [70]
    Алгоритм оптимизации кита ВАУ Вдохновленный природой Био-вдохновленный 2016 [71]
    Алгоритм Ред-Дир RDA Вдохновленный природой Био-вдохновленный 2016 [72]
    Алгоритм фототропной оптимизации доверенность на доступ Вдохновленный природой Растительный 2018 [73]
    Алгоритм оптимизации Койота сертификат подлинности Вдохновленный природой На основе роя 2018 [74]
    Алгоритм поиска совы ЧАСТЬ Вдохновленный природой Био-вдохновленный 2018 [75]
    Алгоритм поиска белки ССА Вдохновленный природой Био-вдохновленный 2018 [76]
    Оптимизатор социальной инженерии ЭТОТ Вдохновленный природой Человеческий 2018 [77]
    Оптимизатор императорских пингвинов ТОПЛИВО Вдохновленный природой Био-вдохновленный 2018 [78]
    Социальная эволюция и оптимизация обучения ДЕРЕВНЯ Вдохновленный природой Человеческий 2018 [79]
    Алгоритм будущего поиска ФСА Вдохновленный природой Человеческий 2019 [80]
    Колония императорских пингвинов EPC Вдохновленный природой На основе роя 2019 [81]
    Оптимизация теплообмена ТЕО Вдохновленный природой На основе физики/химии 2019 [82]
    Оптимизация Харриса Хоукса ХХО Вдохновленный природой Био-вдохновленный 2019 [83]
    Политический оптимизатор PO Вдохновленный природой Человеческий 2020 [84]
    Оптимизатор на основе кучи ГБО Вдохновленный природой Человеческий 2020 [85]
    Алгоритм цветовой гармонии НЕТ Вдохновленный искусством На основе цвета 2020 [86]
    Стохастический оптимизатор краски СПО Вдохновленный искусством На основе цвета 2020 [87]
    Строительство пирамид в Гизе ГПХ Древний стиль - 2020 [88]
    Алгоритм оптимизации Mayfly МОА Вдохновленный природой Био-вдохновленный 2020 [89]
    Оптимизатор Огненного Ястреба ФХО Вдохновленный природой Био-вдохновленный 2022 [90]
    Алгоритм оптимизации Flying Fox ФФО Вдохновленный природой Био-вдохновленный 2023 [91]

    Ссылки

    [ редактировать ]
    1. ^ Киркпатрик, С.; Гелатт, CD; Векки, член парламента (13 мая 1983 г.). «Оптимизация путем моделирования отжига» . Наука . 220 (4598): 671–680. Бибкод : 1983Sci...220..671K . дои : 10.1126/science.220.4598.671 . ISSN   0036-8075 . ПМИД   17813860 . S2CID   205939 .
    2. ^ Гловер, Фред (1 августа 1989 г.). «Поиск табу — Часть I» . Журнал ORSA по вычислительной технике . 1 (3): 190–206. дои : 10.1287/ijoc.1.3.190 . ISSN   0899-1499 .
    3. ^ Холланд, Джон Х. (1992). Адаптация в естественных и искусственных системах: вводный анализ с приложениями к биологии, управлению и искусственному интеллекту (1-е изд. MIT Press). Кембридж, Массачусетс: MIT Press. ISBN  0-585-03844-9 . OCLC   42854623 .
    4. ^ Зебальд, Энтони В.; Фогель, Лоуренс Дж. (1 сентября 1994 г.). «Эволюционное программирование». Материалы третьей ежегодной конференции . МИРОВАЯ НАУЧНАЯ. стр. 1–386. дои : 10.1142/9789814534116 . ISBN  978-981-02-1810-2 .
    5. ^ Кеннеди, Дж.; Эберхарт, Р. (ноябрь 1995 г.). «Оптимизация роя частиц» . Материалы ICNN'95 — Международной конференции по нейронным сетям . Том. 4. С. 1942–1948 т. 4. дои : 10.1109/ICNN.1995.488968 . ISBN  0-7803-2768-3 . S2CID   7367791 .
    6. ^ Сторн, Райнер; Прайс, Кеннет (1 декабря 1997 г.). «Дифференциальная эволюция - простая и эффективная эвристика для глобальной оптимизации в непрерывных пространствах». Журнал глобальной оптимизации . 11 (4): 341–359. Бибкод : 1997JGOpt..11..341S . дои : 10.1023/А:1008202821328 . ISSN   1573-2916 . S2CID   5297867 .
    7. ^ Младенович, Н.; Хансен, П. (1 ноября 1997 г.). «Поиск переменного соседства». Компьютеры и исследования операций . 24 (11): 1097–1100. дои : 10.1016/S0305-0548(97)00031-2 . ISSN   0305-0548 .
    8. ^ Балас, Эгон; Вазакопулос, Алкис (1 февраля 1998 г.). «Управляемый локальный поиск с устранением узких мест для планирования работы цеха» . Наука управления . 44 (2): 262–275. дои : 10.1287/mnsc.44.2.262 . ISSN   0025-1909 .
    9. ^ де Кастро, Л.Н.; Фон Зубен, Ф.Дж. (июнь 2002 г.). «Обучение и оптимизация с использованием принципа клональной селекции» . Транзакции IEEE в эволюционных вычислениях . 6 (3): 239–251. дои : 10.1109/TEVC.2002.1011539 . ISSN   1941-0026 .
    10. ^ Зонг Ву Гим; Джун Хун Ким; Логанатан, Г.В. (февраль 2001 г.). «Новый алгоритм эвристической оптимизации: поиск гармонии». Моделирование . 76 (2): 60–68. дои : 10.1177/003754970107600201 . ISSN   0037-5497 . S2CID   20076748 .
    11. ^ Лоуренсо, Хелена Р.; Мартин, Оливье К.; Штютцле, Томас (2003). «Итерационный локальный поиск». В Гловере, Фред; Коченбергер, Гэри А. (ред.). Справочник по метаэвристике . Международная серия по исследованию операций и науке управления. Бостон, Массачусетс: Springer US. стр. 320–353. дои : 10.1007/0-306-48056-5_11 . ISBN  978-0-306-48056-0 . S2CID   198489826 .
    12. ^ Карабога, Дервис; Бастурк, Бахрие (1 ноября 2007 г.). «Мощный и эффективный алгоритм числовой оптимизации функций: алгоритм искусственной пчелиной семьи (ABC)». Журнал глобальной оптимизации . 39 (3): 459–471. дои : 10.1007/s10898-007-9149-x . ISSN   1573-2916 . S2CID   8540283 .
    13. ^ Дориго, Марко; Бираттари, Мауро; Штутцл, Томас (ноябрь 2006 г.). «Оптимизация муравьиной колонии» . Журнал IEEE Computational Intelligence . 1 (4): 28–39. дои : 10.1109/MCI.2006.329691 . ISSN   1556-6048 .
    14. ^ Кришнананд, КНДР; Гоуз, Д. (июнь 2005 г.). «Обнаружение нескольких источников с использованием метафоры светлячка с применением к коллективной робототехнике» . Материалы симпозиума IEEE Swarm Intelligence, 2005 г., 2005 г. SIS 2005 г. стр. 84–91. дои : 10.1109/SIS.2005.1501606 . ISBN  0-7803-8916-6 . S2CID   17016908 .
    15. ^ Евсуф, Музаффар; Лэнси, Кевин; Паша, Файзул (01.03.2006). «Алгоритм перетасованного лягушки: меметическая метаэвристика для дискретной оптимизации». Инженерная оптимизация . 38 (2): 129–154. дои : 10.1080/03052150500384759 . ISSN   0305-215X . S2CID   18117277 .
    16. ^ Мехрабян, Арканзас; Лукас, К. (1 декабря 2006 г.). «Новый алгоритм численной оптимизации, вдохновленный колонизацией сорняков». Экологическая информатика . 1 (4): 355–366. Бибкод : 2006EcInf...1..355M . дои : 10.1016/j.ecoinf.2006.07.003 . ISSN   1574-9541 .
    17. ^ Дай, Чаохуа; Чжу, Юньфан; Чен, Вейронг (2007). «Алгоритм оптимизации искателя» . Ин Ван, Юпин; Чунг, Ю-мин; Лю, Хайлин (ред.). Вычислительный интеллект и безопасность . Конспекты лекций по информатике. Том. 4456. Берлин, Гейдельберг: Springer. стр. 167–176. дои : 10.1007/978-3-540-74377-4_18 . ISBN  978-3-540-74377-4 . S2CID   15135923 .
    18. ^ Аташпаз-Гаргари, Исмаил; Лукас, Каро (сентябрь 2007 г.). «Империалистический конкурентный алгоритм: алгоритм оптимизации, вдохновленный империалистической конкуренцией» . Конгресс IEEE 2007 г. по эволюционным вычислениям . стр. 4661–4667. дои : 10.1109/CEC.2007.4425083 . ISBN  978-1-4244-1339-3 . S2CID   2736579 .
    19. ^ Формато, Ричард (2007). «Оптимизация центральной силы: новая метаэвристика с приложениями в прикладной электромагнетике» . Прогресс в исследованиях в области электромагнетизма . 77 : 425–491. дои : 10.2528/PIER07082403 . ISSN   1070-4698 .
    20. ^ Саймон, Дэн (декабрь 2008 г.). «Оптимизация на основе биогеографии» . Транзакции IEEE в эволюционных вычислениях . 12 (6): 702–713. дои : 10.1109/TEVC.2008.919004 . ISSN   1941-0026 . S2CID   8319014 .
    21. ^ Ян, Синь-Ше (2009). «Алгоритмы Firefly для мультимодальной оптимизации» . В Ватанабэ, Осаму; Зойгманн, Томас (ред.). Стохастические алгоритмы: основы и приложения . Конспекты лекций по информатике. Том. 5792. Берлин, Гейдельберг: Springer. стр. 169–178. дои : 10.1007/978-3-642-04944-6_14 . ISBN  978-3-642-04944-6 . S2CID   34975975 .
    22. ^ Хоссейни, Хамед Шах (2009). «Интеллектуальный алгоритм капель воды: вдохновленный природой алгоритм оптимизации на основе роя» . Международный журнал биологических вычислений . 1 (1/2): 71. doi : 10.1504/IJBIC.2009.022775 . ISSN   1758-0366 .
    23. ^ Чжао Р.К., Тан В.С. Алгоритм обезьяны для глобальной числовой оптимизации. Журнал неопределенных систем. 2008,2 (3):164-175.
    24. ^ Ян, Синь-Ше; Суаш Деб (декабрь 2009 г.). «Поиск кукушки рейсами Леви» . 2009 Всемирный конгресс по природным и биологическим вычислениям (NaBIC) . стр. 210–214. дои : 10.1109/NABIC.2009.5393690 . ISBN  978-1-4244-5053-4 . S2CID   206491725 .
    25. ^ Он, С.; Ву, QH; Сондерс, младший (октябрь 2009 г.). «Оптимизатор группового поиска: алгоритм оптимизации, вдохновленный поведением животных при поиске» . Транзакции IEEE в эволюционных вычислениях . 13 (5): 973–990. дои : 10.1109/TEVC.2009.2011992 . ISSN   1941-0026 . S2CID   38375639 .
    26. ^ Цинь, Цзин (ноябрь 2009 г.). «Новый алгоритм оптимизации и его применение — Алгоритм нарезки ключей» . Международная конференция IEEE 2009 г. по серым системам и интеллектуальным сервисам (GSIS 2009) . стр. 1537–1541. дои : 10.1109/GSIS.2009.5408158 . ISBN  978-1-4244-4914-9 . S2CID   27652599 .
    27. ^ Офтаде, Р.; Махджуб, MJ; Шариатпанахи, М. (1 октября 2010 г.). «Новый алгоритм метаэвристической оптимизации, вдохновленный групповой охотой на животных: охотничий поиск». Компьютеры и математика с приложениями . 60 (7): 2087–2098. дои : 10.1016/j.camwa.2010.07.049 . ISSN   0898-1221 .
    28. ^ Лам, Альберт Ю.С.; Ли, Виктор ОК (июнь 2010 г.). «Метаэвристика для оптимизации, основанная на химических реакциях» . Транзакции IEEE в эволюционных вычислениях . 14 (3): 381–399. дои : 10.1109/TEVC.2009.2033580 . hdl : 10722/130634 . ISSN   1941-0026 . S2CID   2281747 .
    29. ^ Ян, Синь-Ше (2010). «Новый метаэвристический алгоритм, вдохновленный летучими мышами». В Гонсалесе, Хуан Р.; Пельта, Давид Алехандро; Круз, Карлос; Террасас, Герман (ред.). Вдохновленные природой совместные стратегии оптимизации (NICSO 2010) . Исследования в области вычислительного интеллекта. Том. 284. Берлин, Гейдельберг: Шпрингер. стр. 65–74. дои : 10.1007/978-3-642-12538-6_6 . ISBN  978-3-642-12538-6 . S2CID   14494281 .
    30. ^ Каве, А.; Талатахари, С. (1 сентября 2010 г.). «Новый метод эвристической оптимизации: поиск заряженной системы». Акта Механика . 213 (3): 267–289. дои : 10.1007/s00707-009-0270-4 . ISSN   1619-6937 . S2CID   119512430 .
    31. ^ Тан, Ин; Чжу, Юаньчунь (2010). «Алгоритм оптимизации фейерверка». Ин Тан, Ин; Ши, Юхуэй; Тан, Кей Чен (ред.). Достижения в области роевого интеллекта . Конспекты лекций по информатике. Том. 6145. Берлин, Гейдельберг: Springer Berlin Heidelberg. стр. 355–364. дои : 10.1007/978-3-642-13495-1_44 . ISBN  978-3-642-13494-4 .
    32. ^ Раджабиун, Рамин (1 декабря 2011 г.). «Алгоритм оптимизации кукушки». Прикладные мягкие вычисления . 11 (8): 5508–5518. дои : 10.1016/j.asoc.2011.05.008 . ISSN   1568-4946 .
    33. ^ Рао, Р.В.; Савсани, виджей; Вахариа, ДП (01 марта 2011 г.). «Оптимизация на основе обучения и обучения: новый метод решения задач оптимизации механического проектирования с ограничениями». Компьютерное проектирование . 43 (3): 303–315. дои : 10.1016/j.cad.2010.12.015 . ISSN   0010-4485 .
    34. ^ Ню, Бен; Ван, Хун (27 ноября 2012 г.). «Оптимизация бактериальных колоний» . Дискретная динамика в природе и обществе . 2012 : 1–28. дои : 10.1155/2012/698057 .
    35. ^ Гандоми, Амир Хосейн; Алави, Амир Хусейн (1 декабря 2012 г.). «Стадо криля: новый алгоритм оптимизации на основе биотехнологий». Коммуникации в нелинейной науке и численном моделировании . 17 (12): 4831–4845. Бибкод : 2012CNSNS..17.4831G . дои : 10.1016/j.cnsns.2012.05.010 . ISSN   1007-5704 .
    36. ^ Думан, Экрем; Уйсал, Митат; Алкая, Али Фуат (25 декабря 2012 г.). «Оптимизация миграции птиц: новый метаэвристический подход и его эффективность в решении квадратичной задачи назначения». Информационные науки . 217 : 65–77. дои : 10.1016/j.ins.2012.06.032 . ISSN   0020-0255 .
    37. ^ Чивичиоглу, Пинар (01 апреля 2013 г.). «Алгоритм поисковой оптимизации с возвратом для задач числовой оптимизации». Прикладная математика и вычислительная техника . 219 (15): 8121–8144. дои : 10.1016/j.amc.2013.02.017 . ISSN   0096-3003 .
    38. ^ Хатамлу, Абдолреза (10 февраля 2013 г.). «Черная дыра: новый эвристический подход к оптимизации кластеризации данных». Информационные науки . Включая специальный раздел, посвященный новым тенденциям в области окружающего интеллекта и биосистем. 222 : 175–184. дои : 10.1016/j.ins.2012.08.023 . ISSN   0020-0255 .
    39. ^ Каве, А.; Фархуди, Н. (01 мая 2013 г.). «Новый метод оптимизации: эхолокация дельфинов». Достижения в области инженерного программного обеспечения . 59 : 53–70. doi : 10.1016/j.advengsoft.2013.03.004 . ISSN   0965-9978 .
    40. ^ Ли, Сянтао; Чжан, Цзе; Инь, Минхао (01 июня 2014 г.). «Оптимизация миграции животных: алгоритм оптимизации, основанный на поведении животных при миграции». Нейронные вычисления и их приложения . 24 (7): 1867–1877. дои : 10.1007/s00521-013-1433-8 . ISSN   1433-3058 . S2CID   4362350 .
    41. ^ Чандра СС, Винод (01 марта 2014 г.). «Решение комплексной задачи планирования производства и железнодорожных перевозок по алгоритму Кештеля». Прикладные мягкие вычисления . 25 (3): 184–203. дои : 10.1016/j.asoc.2014.09.034 . ISSN   1568-4946 .
    42. ^ Чандра, Винод (01 марта 2014 г.). «Алгоритм оптимизации на основе агента обнаружения запаха» . Дж. Инст. англ. Индия сер. Б. ​ 97 (3): 431–436. дои : 10.1007/s40031-014-0182-0 .
    43. ^ Ма, Лянбо; Ху, Кунюань; Чжу, Юньлун; Чен, Ханнинг; Он, Маовэй (2014). «Новый алгоритм поиска корней растений для решения проблем сегментации изображений» . Математические проблемы в технике . 2014 : 1–16. дои : 10.1155/2014/471209 . ISSN   1024-123X .
    44. ^ Мэн, Сяньбин; Лю, Ю; Гао, Сяочжи; Чжан, Хэнчжэнь (2014). «Новый био-алгоритм: оптимизация куриного роя». Ин Тан, Ин; Ши, Юхуэй; Коэльо, Карлос А. Коэльо (ред.). Достижения в области роевого интеллекта . Конспекты лекций по информатике. Том. 8794. Чам: Springer International Publishing. стр. 86–94. дои : 10.1007/978-3-319-11857-4_10 . ISBN  978-3-319-11857-4 .
    45. ^ Каве, А.; Махдави, ВР (15 июля 2014 г.). «Оптимизация сталкивающихся тел: новый метаэвристический метод». Компьютеры и конструкции . 139 : 18–27. doi : 10.1016/j.compstruc.2014.04.005 . ISSN   0045-7949 .
    46. ^ Ян, Синь-Ше (2012). «Алгоритм опыления цветов для глобальной оптимизации». В Дюран-Лозе, Жером; Йоноска, Наташа (ред.). Нетрадиционные вычисления и естественные вычисления . Конспекты лекций по информатике. Том. 7445. Берлин, Гейдельберг: Springer Berlin Heidelberg. стр. 240–249. arXiv : 1312.5673 . дои : 10.1007/978-3-642-32894-7_27 . ISBN  978-3-642-32893-0 . S2CID   8021636 .
    47. ^ Рахмани, Расул; Юсоф, Рубия (1 декабря 2014 г.). «Новый простой, быстрый и эффективный алгоритм глобальной оптимизации для задач непрерывного поиска: оптимизация радиального движения». Прикладная математика и вычислительная техника . 248 : 287–300. дои : 10.1016/j.amc.2014.09.102 . ISSN   0096-3003 .
    48. ^ Бансал, Джагдиш Чанд; Шарма, Хариш; Джейдон, Шимпи Сингх; Клерк, Морис (01 марта 2014 г.). «Алгоритм оптимизации Spider Monkey для численной оптимизации». Меметические вычисления . 6 (1): 31–47. дои : 10.1007/s12293-013-0128-0 . ISSN   1865-9292 . S2CID   5714781 .
    49. ^ Мусавиан, Насер; Касаи Рудсари, Бабак (01 августа 2014 г.). «Алгоритм соревнований футбольной лиги: новый метаэвристический алгоритм для оптимального проектирования сетей водоснабжения» . Рой и эволюционные вычисления . 17 :14–24. дои : 10.1016/j.swevo.2014.02.002 . ISSN   2210-6502 .
    50. ^ Уймаз, Саит Али; Тезель, Гулай; Йел, Эсра (01 июня 2015 г.). «Алгоритм искусственных водорослей (ААА) для нелинейной глобальной оптимизации». Прикладные мягкие вычисления . 31 : 153–171. дои : 10.1016/j.asoc.2015.03.003 . ISSN   1568-4946 .
    51. ^ Шривастава, Абхишек; Дас, Душманта Кумар (11 мая 2022 г.). «Оптимизатор афалин: приложение для решения проблемы экономической диспетчеризации динамических выбросов в микросети». Системы, основанные на знаниях . 243 : 108455. doi : 10.1016/j.knosys.2022.108455 . ISSN   0950-7051 . S2CID   247077277 .
    52. ^ Канайаз, Мюрат; Карчи, Али (01 марта 2016 г.). «Техника эволюционных вычислений, основанная на поведении сверчка, в решении задач инженерной оптимизации». Прикладной интеллект . 44 (2): 362–376. дои : 10.1007/s10489-015-0706-6 . ISSN   1573-7497 . S2CID   16194679 .
    53. ^ Деб, Суаш; Фонг, Саймон; Тянь, Чжунхуань (октябрь 2015 г.). «Алгоритм поиска слонов для задач оптимизации». 2015 Десятая международная конференция по управлению цифровой информацией (ICDIM) . стр. 249–255. дои : 10.1109/ICDIM.2015.7381893 . ISBN  978-1-4673-9152-8 . S2CID   2460217 .
    54. ^ Мирджалили, Сейедали; Мирджалили, Сейед Мохаммад; Льюис, Эндрю (01 марта 2014 г.). «Оптимизатор Серого Волка». Достижения в области инженерного программного обеспечения . 69 : 46–61. дои : 10.1016/j.advengsoft.2013.12.007 . hdl : 10072/66188 . ISSN   0965-9978 . S2CID   15532140 .
    55. ^ Чен, Чин-Чи; Цай, Юнг-Че; Лю, II; Лай, Цзя-Чун; Да, И-Тин; Куо, Шу-Ю; Чоу, Яо-Синь (октябрь 2015 г.). «Новая метаэвристика: алгоритм Jaguar с обучающим поведением» . Международная конференция IEEE 2015 по системам, человеку и кибернетике . стр. 1595–1600. дои : 10.1109/SMC.2015.282 . ISBN  978-1-4799-8697-2 . S2CID   11932094 .
    56. ^ Куэвас, Эрик; Гонсалес, Адриан; Сальдивар, Даниэль; Сиснерос, Марко Перес (2015). «Алгоритм оптимизации, основанный на поведении стаев саранчи». Международный журнал биологических вычислений . 7 (6): 402. doi : 10.1504/ijbic.2015.073178 . ISSN   1758-0366 .
    57. ^ Мирджалили, Сейедали (01 ноября 2015 г.). «Алгоритм оптимизации пламени мотылька: новая эвристическая парадигма, вдохновленная природой». Системы, основанные на знаниях . 89 : 228–249. дои : 10.1016/j.knosys.2015.07.006 . ISSN   0950-7051 .
    58. ^ Салими, Хамид (01 февраля 2015 г.). «Стохастический фрактальный поиск: мощный метаэвристический алгоритм». Системы, основанные на знаниях . 75 : 1–18. дои : 10.1016/j.knosys.2014.07.025 . ISSN   0950-7051 .
    59. ^ Доган, Берат; Ольмез, Тамер (01 февраля 2015 г.). «Новая метаэвристика для оптимизации числовых функций: алгоритм поиска вихря». Информационные науки . 293 : 125–145. дои : 10.1016/j.ins.2014.08.053 . ISSN   0020-0255 . S2CID   8464197 .
    60. ^ Чжэн, Ю-Цзюнь (01 марта 2015 г.). «Оптимизация волн на воде: новая метаэвристика, вдохновленная природой» . Компьютеры и исследования операций . 55 : 1–11. дои : 10.1016/j.cor.2014.10.008 . ISSN   0305-0548 .
    61. ^ Мирджалили, Сейедали (01 мая 2015 г.). «Оптимизатор Муравей-Лев». Достижения в области инженерного программного обеспечения . 83 : 80–98. doi : 10.1016/j.advengsoft.2015.01.010 . ISSN   0965-9978 .
    62. ^ Одили, Юлиус Бенеолучи; Кахар, Мохд Низам Мохмад; Анвар, Шахид (01 января 2015 г.). «Оптимизация африканских буйволов: метод роевого интеллекта» . Procedia Информатика . Международный симпозиум IEEE по робототехнике и интеллектуальным датчикам 2015 г. (IEEE IRIS2015). 76 : 443–448. дои : 10.1016/j.procs.2015.12.291 . ISSN   1877-0509 .
    63. ^ Шариф, Хусейн; Ибрагим, Ахмад Асрул; Мутлаг, Аммар Хусейн (1 ноября 2015 г.). «Алгоритм молниеносного поиска». Прикладные мягкие вычисления . 36 : 315–333. дои : 10.1016/j.asoc.2015.07.028 . ISSN   1568-4946 .
    64. ^ Ву, Гохуа (01 февраля 2016 г.). «Поиск по окрестностям для числовой оптимизации». Информационные науки . Специальный выпуск Discovery Science. 329 : 597–618. arXiv : 1401.3376 . дои : 10.1016/j.ins.2015.09.051 . ISSN   0020-0255 . S2CID   25844630 .
    65. ^ Аскарзаде, Алиреза (01 июня 2016 г.). «Новый метаэвристический метод решения задач инженерной оптимизации с ограничениями: алгоритм поиска вороны». Компьютеры и конструкции . 169 : 1–12. doi : 10.1016/j.compstruc.2016.03.001 . ISSN   0045-7949 .
    66. ^ Абединпуршорбан, Хосейн; Мариям Шамсуддин, Сити; Бехешти, Захра; Джавави, Даянг Н.А. (1 февраля 2016 г.). «Оптимизация электромагнитного поля: основанный на физике алгоритм метаэвристической оптимизации». Рой и эволюционные вычисления . 26 :8–22. дои : 10.1016/j.swevo.2015.07.002 . ISSN   2210-6502 .
    67. ^ Сунь, Гаоцзи; Чжао, Жуйцин; Лан, Янфэй (01 января 2016 г.). «Алгоритм совместных операций для крупномасштабной глобальной оптимизации». Прикладные мягкие вычисления . 38 : 1025–1039. дои : 10.1016/j.asoc.2015.10.047 . ISSN   1568-4946 .
    68. ^ Яздани, Мазиар; Йолай, Фариборз (1 января 2016 г.). «Алгоритм оптимизации Lion (LOA): вдохновленный природой метаэвристический алгоритм» . Журнал вычислительного дизайна и инженерии . 3 (1): 24–36. дои : 10.1016/j.jcde.2015.06.003 .
    69. ^ Мирджалили, Сейедали (15 марта 2016 г.). «SCA: синус-косинусный алгоритм для решения задач оптимизации». Системы, основанные на знаниях . 96 : 120–133. дои : 10.1016/j.knosys.2015.12.022 . ISSN   0950-7051 .
    70. ^ Ли, Му Донг; Чжао, Хуэй; Вэн, Син Вэй; Хан, Тонг (01 февраля 2016 г.). «Новый природный алгоритм оптимизации: поиск колоний вирусов». Достижения в области инженерного программного обеспечения . 92 : 65–88. дои : 10.1016/j.advengsoft.2015.11.004 . ISSN   0965-9978 .
    71. ^ Мирджалили, Сейедали; Льюис, Эндрю (01 мая 2016 г.). «Алгоритм оптимизации кита». Достижения в области инженерного программного обеспечения . 95 : 51–67. doi : 10.1016/j.advengsoft.2016.01.008 . ISSN   0965-9978 .
    72. ^ Фатоллахи-Фард, Амир Мохаммед; Хаджиагай-Кештели, Мостафа; Тавакколи-Могаддам, Реза (10 марта 2020 г.). «Алгоритм благородного оленя (RDA): новая метаэвристика, вдохновленная природой». Мягкие вычисления . 24 (19): 14637–14665. дои : 10.1007/s00500-020-04812-z . ISSN   1433-7479 . S2CID   215906392 .
    73. ^ Винод, Чандра СС; Ананд, Харендран С (2021). «Фототропный алгоритм для задач глобальной оптимизации» . Прикладной интеллект . 51 (8): 5965–5977. дои : 10.1007/s10489-020-02105-4 . S2CID   234211731 .
    74. ^ Пьерезан, Джулиано; Дос Сантос Коэльо, Леандро (июль 2018 г.). «Алгоритм оптимизации Койота: новая метаэвристика для задач глобальной оптимизации» . Конгресс IEEE по эволюционным вычислениям (CEC) 2018 г. стр. 1–8. дои : 10.1109/CEC.2018.8477769 . ISBN  978-1-5090-6017-7 . S2CID   52932771 .
    75. ^ Джайн, Мохит; Маурья, Шубхам; Рани, Аша; Сингх, Виджандер (22 марта 2018 г.). Тампи, Сабу М.; Эль-Альфи, Эль-Сайед М.; Митра, Сушмита; Трайкович, Лиляна (ред.). «Алгоритм поиска совы: новая эвристическая парадигма, вдохновленная природой, для глобальной оптимизации» . Журнал интеллектуальных и нечетких систем . 34 (3): 1573–1582. дои : 10.3233/JIFS-169452 .
    76. ^ Джайн, Мохит; Сингх, Виджандер; Рани, Аша (01 февраля 2019 г.). «Новый природный алгоритм оптимизации: алгоритм поиска белки». Рой и эволюционные вычисления . 44 : 148–175. дои : 10.1016/j.swevo.2018.02.013 . ISSN   2210-6502 . S2CID   58952523 .
    77. ^ Фатоллахи-Фард, Амир Мохаммед; Хаджиагай-Кештели, Мостафа; Тавакколи-Могаддам, Реза (01.06.2018). «Оптимизатор социальной инженерии (SEO)». Инженерные применения искусственного интеллекта . 72 : 267–293. дои : 10.1016/j.engappai.2018.04.009 . ISSN   0952-1976 .
    78. ^ Дхиман, Гаурав; Кумар, Виджай (15 июня 2018 г.). «Оптимизатор императорских пингвинов: биологический алгоритм для решения инженерных задач». Системы, основанные на знаниях . 159 : 20–50. дои : 10.1016/j.knosys.2018.06.001 . S2CID   52965498 .
    79. ^ Кумар, Мета; Кулкарни, Ананд Дж.; Сатапати, Суреш Чандра (01 апреля 2018 г.). «Алгоритм оптимизации социальной эволюции и обучения: методология социальной оптимизации» . Компьютерные системы будущего поколения . 81 : 252–272. дои : 10.1016/j.future.2017.10.052 . ISSN   0167-739X .
    80. ^ Элсиси, М. (01 марта 2019 г.). «Алгоритм поиска будущего для оптимизации». Эволюционный интеллект . 12 (1): 21–31. дои : 10.1007/s12065-018-0172-2 . ISSN   1864-5917 . S2CID   56702321 .
    81. ^ Харифи, Сасан; Халилиан, Маджид; Мохаммадзаде, Джавад; Ибрагимнежад, Садулла (01.06.2019). «Колония императорских пингвинов: новый метаэвристический алгоритм оптимизации» . Эволюционный интеллект . 12 (2): 211–226. дои : 10.1007/s12065-019-00212-x . ISSN   1864-5917 .
    82. ^ Каве, А.; Дадрас, А. (01 августа 2017 г.). «Новый алгоритм метаэвристической оптимизации: оптимизация теплообмена». Достижения в области инженерного программного обеспечения . 110 : 69–84. дои : 10.1016/j.advengsoft.2017.03.014 . ISSN   0965-9978 .
    83. ^ Хейдари, Али Асгар; Мирджалили, Сейедали; Фарис, Хосам; Альджара, Ибрагим; Мафарджа, Мажди; Чен, Хуэйлин (01 августа 2019 г.). «Оптимизация Харриса Хокса: алгоритм и приложения». Компьютерные системы будущего поколения . 97 : 849–872. дои : 10.1016/j.future.2019.02.028 . hdl : 10072/384262 . ISSN   0167-739X . S2CID   86457167 .
    84. ^ Аскари, Камар; Юнас, Ирфан; Саид, Мехрин (11 мая 2020 г.). «Политический оптимизатор: новая метаэвристика, вдохновленная обществом, для глобальной оптимизации». Системы, основанные на знаниях . 195 : 105709. doi : 10.1016/j.knosys.2020.105709 . ISSN   0950-7051 . S2CID   215830598 .
    85. ^ Аскари, Камар; Саид, Мехрин; Юнас, Ирфан (18 июля 2020 г.). «Оптимизатор на основе кучи, вдохновленный корпоративной иерархией рангов для глобальной оптимизации». Экспертные системы с приложениями . 161 : 113702. doi : 10.1016/j.eswa.2020.113702 . ISSN   0957-4174 . S2CID   225042569 .
    86. ^ Заеими, Мохаммед; Годдосян, Али (01 августа 2020 г.). «Алгоритм цветовой гармонии: вдохновленная искусством метаэвристика для оптимизации математических функций». Мягкие вычисления . 24 (16): 12027–12066. дои : 10.1007/s00500-019-04646-4 . ISSN   1433-7479 . S2CID   209543050 .
    87. ^ Каве, Али; Талатахари, Сиамак; Ходадади, Нима (2020). «Оптимизатор стохастической краски: теория и применение в гражданском строительстве» . Инженерное дело с компьютерами . 38 (3): 1921–1952. дои : 10.1007/s00366-020-01179-5 . ISSN   0177-0667 . S2CID   225121551 .
    88. ^ Харифи, Сасан; Мохаммадзаде, Джавад; Халилиан, Маджид; Ибрагимнежад, Садулла (13 июля 2020 г.). «Строительство пирамид Гизы: древний метаэвристический алгоритм оптимизации». Эволюционный интеллект . 14 (4): 1743–1761. дои : 10.1007/s12065-020-00451-3 . ISSN   1864-5917 . S2CID   220512280 .
    89. ^ Зервудакис, Константинос; Цафаракис, Стелиос (2020). «Алгоритм оптимизации поденок». Компьютеры и промышленная инженерия . 145 : 106559. doi : 10.1016/j.cie.2020.106559 . S2CID   219783081 .
    90. ^ Азизи, Махди; Талатахари, Сиамак; Гандоми, Амир Х. (1 января 2023 г.). «Оптимизатор Fire Hawk: новый метаэвристический алгоритм» . Обзор искусственного интеллекта . 56 (1): 287–363. дои : 10.1007/s10462-022-10173-w . ISSN   1573-7462 . S2CID   250057522 .
    91. ^ Зервудакис, Константинос; Цафаракис, Стелиос (2023). «Глобальный оптимизатор, вдохновленный стратегиями выживания летучих лисиц». Инженерное дело с компьютерами . 39 (2): 1583–1616. дои : 10.1007/s00366-021-01554-w . S2CID   245636526 .
    Retrieved from "https://en.wikipedia.org/w/index.php?title=Table_of_metaheuristics&oldid=1232247203"
    Arc.Ask3.Ru: конец переведенного документа.
    Arc.Ask3.Ru
    Номер скриншота №: 3c1b1dc8172cfbb5330fff04de7a50ec__1719936060
    URL1:https://arc.ask3.ru/arc/aa/3c/ec/3c1b1dc8172cfbb5330fff04de7a50ec.html
    Заголовок, (Title) документа по адресу, URL1:
    Table of metaheuristics - Wikipedia
    Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)