✖


Jump to content

Список метаэвристик, основанных на метафорах

    Add links

    Схематическая классификация метаэвристик.
    Диаграмма, классифицирующая различные виды метаэвристики

    Это хронологически упорядоченный список метаэвристик , основанных на метафорах , и алгоритмов роевого интеллекта , отсортированный по десятилетиям предложений.

    Алгоритмы

    [ редактировать ]

    1980-е-1990-е годы

    [ редактировать ]

    Имитация отжига (Киркпатрик и др., 1983)

    [ редактировать ]
    Основная статья: Имитация отжига
    анимация моделирования отжига для решения трехмерной задачи коммивояжера
    Визуализация моделирования отжига для решения трехмерной задачи коммивояжера по 120 точкам

    Имитация отжига — это вероятностный алгоритм , основанный на отжиге — методе термообработки в металлургии . Он часто используется, когда пространство поиска дискретно (например, все туры с посещением заданного набора городов). Для задач, где нахождение точного глобального оптимума менее важно, чем нахождение приемлемого локального оптимума за фиксированный промежуток времени, имитация отжига может быть предпочтительнее таких альтернатив, как градиентный спуск .

    Аналогом медленного охлаждения отжига является медленное уменьшение вероятности того, что моделируемый отжиг примет худшие решения по мере исследования пространства решений. Принятие худших решений — фундаментальное свойство метаэвристики, поскольку оно позволяет осуществлять более обширный поиск оптимального решения.

    Оптимизация колонии муравьев (ACO) (Дориго, 1992)

    [ редактировать ]
    Основная статья: Алгоритмы оптимизации колонии муравьев

    Алгоритм оптимизации муравьиной колонии — это вероятностный метод решения вычислительных задач, который можно свести к поиску хороших путей через графы . Первоначально предложенный Марко Дориго в 1992 году в его докторской диссертации, [1] [2] первый алгоритм был направлен на поиск оптимального пути в графе, основанном на поведении муравьев, ищущих путь между своей колонией и источником пищи. Первоначальная идея с тех пор была диверсифицирована для решения более широкого класса числовых задач, и в результате было решено несколько задач. [ нужен пример ] появились, опираясь на различные аспекты поведения муравьев. В более широкой перспективе ACO выполняет поиск на основе модели. [3] и имеет некоторые сходства с оценкой алгоритмов распределения .

    Оптимизация роя частиц (PSO) (Кеннеди и Эберхарт, 1995)

    [ редактировать ]
    Основная статья: Оптимизация роя частиц

    Оптимизация роя частиц — это вычислительный метод, который оптимизирует проблему, итеративно пытаясь улучшить возможное решение с учетом заданной меры качества. Он решает проблему, имея популяцию возможных решений, называемых частицами , и перемещая эти частицы в пространстве поиска в соответствии с простыми математическими формулами. [ который? ] частицы относительно положения и скорости . На движение каждой частицы влияет ее локальное наиболее известное положение, но оно также направляется к наиболее известным позициям в пространстве поиска, которые обновляются по мере того, как другие частицы находят лучшие позиции. Ожидается, что это подтолкнет рой к лучшим решениям.

    PSO первоначально приписывается Кеннеди , Эберхарту и Ши. [4] [5] и сначала предназначался для моделирования социального поведения [6] как стилизованное изображение движения организмов в птичьей стае или косяке рыб . Алгоритм был упрощен, и было замечено, что он выполняет оптимизацию. Книга Кеннеди и Эберхарта [7] описывает многие философские аспекты PSO и роевого интеллекта . Обширный обзор приложений PSO проведен Poli . [8] [9] Всесторонний обзор теоретических и экспериментальных работ по PSO был опубликован Боньяди и Михалевичем. [10]

    2000-е

    [ редактировать ]

    Поиск гармонии (HS) (Гим, Ким и Логанатан, 2001)

    [ редактировать ]

    , имитирующая феномен, Поиск гармонии - это метаэвристика представленная в 2001 году Зонг У Гимом, Джун Хун Кимом и Г. В. Логанатаном. [11] и вдохновлен процессом импровизации джазовых музыкантов. В алгоритме HS набор возможных решений генерируется случайным образом (называемый памятью гармонии). Новое решение генерируется с использованием всех решений в памяти Harmony (а не только двух, как используется в GA), и если это новое решение лучше, чем худшее решение в памяти Harmony, худшее решение заменяется этим новым решением. Эффективность и преимущества ГС были продемонстрированы в различных приложениях, таких как проектирование муниципальных сетей водоснабжения, [12] структурный дизайн, [13] проблема распределения нагрузки в электротехнике, [14] многокритериальная оптимизация, [15] проблемы с реестром, [16] кластеризация, [17] классификация и выбор признаков. [18] [19] Подробный обзор применения HS можно найти. [20] [21] и применения HS в интеллектуальном анализе данных можно найти в. [22]

    Деннис (2015) утверждал, что поиск гармонии — это частный случай алгоритма стратегий эволюции . [23] Однако Сака и др. (2016) утверждает, что структура стратегий эволюции отличается от структуры поиска гармонии. [24]

    Алгоритм искусственной пчелиной семьи (Карабога, 2005 г.)

    [ редактировать ]
    Основная статья: Алгоритм искусственной пчелиной семьи

    Алгоритм искусственной пчелиной семьи - это метаэвристика, представленная Карабогой в 2005 году. [25] который имитирует кормовое поведение медоносных пчел . Алгоритм ABC состоит из трех фаз: работающая пчела, пчела-наблюдатель и пчела-разведчик. В фазах занятой пчелы и пчелы-наблюдателя пчелы используют источники путем локального поиска в окрестностях решений, выбранных на основе детерминистического отбора в фазе занятой пчелы и вероятностного выбора в фазе пчелы-наблюдателя. На этапе пчел-разведчиков, который аналогичен отказу пчел от исчерпанных источников пищи в процессе поиска пищи, от решений, которые больше не приносят пользы для прогресса поиска, отказываются, и вместо этого вставляются новые решения для исследования новых областей в пространстве поиска. Алгоритм имеет хорошо сбалансированный [ ласковые слова ] способность разведки и эксплуатации. [ нужны разъяснения ]

    Алгоритм пчел (Фам, 2005)

    [ редактировать ]
    Основная статья: Алгоритм пчел

    Алгоритм пчел был сформулирован Фамом и его коллегами в 2005 году. [26] и доработан в 2009 году. [27] Созданный по образцу поведения медоносных пчел в поисках пищи , алгоритм сочетает в себе глобальный исследовательский поиск с локальным эксплуататорским поиском. Небольшое количество искусственных пчел (разведчиков) случайным образом исследует пространство решений (среду) в поисках решений с высокой приспособленностью (высокодоходные источники пищи), в то время как основная часть популяции ищет (собирает) окрестности наиболее подходящих решений в поисках оптимального приспособления. . Детерминированная процедура набора, которая имитирует виляющий танец биологических пчел, используется для передачи результатов разведчиков собирателям и распределения собирателей в зависимости от пригодности районов, выбранных для локального поиска. Как только поиск в окрестности решения застопорился, локальный оптимум приспособленности считается найденным и сайт закрывается.

    Империалистический конкурентный алгоритм (Аташпаз-Гаргари и Лукас, 2007)

    [ редактировать ]
    Основная статья: Империалистический конкурентный алгоритм

    Империалистический конкурентный алгоритм (ICA), как и большинство методов в области эволюционных вычислений , не нуждается в градиенте функции в процессе оптимизации. С конкретной точки зрения ICA можно рассматривать как социальный аналог генетических алгоритмов (ГА). ICA — это математическая модель и компьютерное моделирование социальной эволюции человека , тогда как GA основан на биологической эволюции видов.

    Этот алгоритм начинается с генерации набора случайных решений-кандидатов в пространстве поиска задачи оптимизации. Сгенерированные случайные точки называются исходными странами . Страны в этом алгоритме являются аналогом Chromosome в GA и Particle в оптимизации роя частиц , и это массив значений возможного решения задачи оптимизации. Функция стоимости задачи оптимизации определяет мощь каждой страны. В зависимости от своей мощи некоторые из лучших начальных стран (страны с наименьшим значением функции стоимости) становятся империалистами и начинают брать под контроль другие страны (называемые колониями ) и образуют первоначальные империи . [28]

    Двумя основными операторами этого алгоритма являются Assimilation и Revolution . Ассимиляция приближает колонии каждой империи к империалистическому государству в пространстве социально-политических характеристик (пространство поиска оптимизации). Революция приводит к внезапным случайным изменениям положения некоторых стран в пространстве поиска. Во время ассимиляции и революции колония может занять лучшее положение, а затем получить шанс взять под контроль всю империю и заменить нынешнее империалистическое состояние империи. [29]

    Империалистическая конкуренция — еще одна часть этого алгоритма. Все империи стараются выиграть в этой игре и завладеть колониями других империй. На каждом этапе алгоритма, в зависимости от их мощи, все империи имеют шанс взять под контроль одну или несколько колоний самой слабой империи. [28]

    Алгоритм продолжает выполнение упомянутых шагов (Ассимиляция, Революция, Конкуренция) до тех пор, пока не будет выполнено условие остановки.

    Вышеупомянутые шаги можно обобщить в виде приведенного ниже псевдокода : [30] [29] 

    0) Определим целевую функцию: 1) Инициализация алгоритма. Сгенерируйте случайное решение в пространстве поиска и создайте начальные империи.    2) Ассимиляция: Колонии движутся к империалистическим государствам в разных направлениях.    3) Революция. В характеристиках некоторых стран происходят случайные изменения.    4) Обмен позициями между колонией и империалистами. Колония с лучшим положением, чем империалистическая,       имеет шанс взять под свой контроль империю, заменив существующего империалиста.    5) Империалистическая конкуренция: все империалисты соревнуются за завладение колониями друг друга.    6) Уничтожить бессильные империи. Слабые империи постепенно теряют свою власть и, наконец, будут уничтожены.    7) Если условие остановки выполнено, остановитесь, если нет, перейдите к шагу 2.8) Конец

    Динамика формирования рек (Рабаналь, Родригес и Рубио, 2007 г.)

    [ редактировать ]

    Динамика формирования рек основана на имитации того, как вода образует реки, размывая почву и откладывая наносы (капли действуют как рой). После того, как капли трансформируют ландшафт за счет увеличения/уменьшения высоты мест, решения даются в виде путей уменьшения высоты. Создаются убывающие градиенты, за которыми следуют последующие падения, образующие новые градиенты и усиливающие лучшие. Этот эвристический метод оптимизации был предложен в 2007 году Рабаналом и др. [31] Была изучена применимость RFD к другим NP-полным задачам: [32] и алгоритм был применен к таким полям, как маршрутизация [33] и роботизированная навигация. [34] Основные применения RFD можно найти в обзоре Rabanal et al. (2017). [35]

    Алгоритм гравитационного поиска (Рашеди, Незамабади-пур и Сарьязди, 2009 г.)

    [ редактировать ]

    Алгоритм гравитационного поиска основан на законе гравитации и понятии массовых взаимодействий. Алгоритм GSA использует теорию ньютоновской физики , а его поисковые агенты представляют собой набор масс. В ГСА существует изолированная система масс. Используя силу гравитации, каждая масса в системе может видеть положение других масс. Таким образом, гравитационная сила является способом передачи информации между различными массами. [36] В GSA агенты рассматриваются как объекты, а их производительность измеряется их массой. Все эти объекты притягиваются друг к другу силой тяжести , и эта сила вызывает движение всех объектов к объектам с более тяжелыми массами. Более тяжелые массы соответствуют лучшим решениям задачи. Положение . агента соответствует решению задачи, а его масса определяется с помощью функции приспособленности С течением времени массы притягиваются к самой тяжелой массе, которая в идеале представляет собой оптимальное решение в пространстве поиска. GSA можно рассматривать как небольшой искусственный мир масс, подчиняющийся ньютоновским законам гравитации и движения. [37] Многоцелевой вариант GSA, названный MOGSA, был предложен Hassanzadeh et al. в 2010 году. [38]

    2010-е годы

    [ редактировать ]

    Алгоритм летучей мыши (Янг, 2010)

    [ редактировать ]
    Основная статья: Алгоритм летучей мыши

    Алгоритм летучих мышей — это алгоритм, основанный на роевом интеллекте, вдохновленный эхолокационным поведением летучих мышей . BA автоматически балансирует исследование (прыжки на большие расстояния по глобальному пространству поиска, чтобы не застрять на одном локальном максимуме) с эксплуатацией (более детальный поиск известных хороших решений для поиска локальных максимумов), контролируя громкость и частоту импульсного излучения моделируемых летучих мышей в многомерное пространство поиска. [39]

    Алгоритм спиральной оптимизации (SPO) (Тамура и Ясуда, 2011, 2016–2017 гг.)

    [ редактировать ]
    Основная статья: Алгоритм спиральной оптимизации
    Алгоритм спиральной оптимизации

    Алгоритм спиральной оптимизации, вдохновленный спиральными явлениями в природе, представляет собой алгоритм многоточечного поиска, не имеющий градиента целевой функции. Он использует несколько спиральных моделей, которые можно описать как детерминированные динамические системы. Поскольку точки поиска следуют по логарифмическим спиральным траекториям к общему центру, определенному как текущая лучшая точка, можно найти лучшие решения и обновить общий центр. [40]

    Искусственный роевой интеллект (Розенберг, 2014).

    [ редактировать ]

    Искусственный роевой интеллект — это замкнутая система, работающая в режиме реального времени, состоящая из людей-пользователей, подключенных через Интернет и структурированная в рамках, смоделированных по образцу естественных стаев, так что она пробуждает коллективную мудрость группы как единый возникающий интеллект. [41] [42] Таким образом, человеческие стаи могут отвечать на вопросы, делать прогнозы, принимать решения и решать проблемы, коллективно исследуя разнообразный набор вариантов и синхронно сходясь к предпочтительным решениям. Методология ASI, изобретенная доктором Луи Розенбергом в 2014 году, известна своей способностью делать точные коллективные прогнозы, превосходящие результаты отдельных членов роя. [43] группе искусственного роевого интеллекта из Unanimous AI В 2016 году репортер предложил предсказать победителей Кентукки Дерби ; он успешно выбрал первых четырех лошадей по порядку, превзойдя коэффициент 540 к 1. [44] [45]

    Самонастраивающаяся метаэвристика

    [ редактировать ]

    В последние годы метаэвристика самонастройки стала значительным достижением в области алгоритмов оптимизации, поскольку точная настройка может быть очень длительным и трудным процессом. [46] Эти алгоритмы отличаются своей способностью автономно корректировать свои параметры в ответ на возникшую проблему, повышая эффективность и качество решения. Эта возможность самонастройки особенно важна в сложных сценариях оптимизации, где традиционные методы могут оказаться неэффективными из-за жестких настроек параметров. В этой попытке уже был представлен вариант PSO, который использует нечеткую логику для автоматического расчета параметров каждой частицы. [47] а также оптимизация Flying fox, которая представляет собой нечеткий самонастраивающийся оптимизатор. [48]

    Появление самонастраивающихся вариантов метаэвристики знаменует собой поворотный момент в сторону более автономных инструментов оптимизации. Эти алгоритмы самонастройки значительно снижают необходимость вмешательства экспертов при настройке параметров, а этот процесс требует обширных знаний в предметной области. Используя нечеткую логику и другие адаптивные механизмы, эти алгоритмы могут разумно корректировать свои параметры в соответствии с характеристиками проблемы и динамикой пространства поиска. Такая автономность не только упрощает процесс оптимизации, но и расширяет возможности применения этих алгоритмов, делая их более доступными и эффективными для более широкого круга пользователей и решения сложных задач. Способность этих самонастраивающихся метаэвристик эффективно работать без идеальной настройки пользователем представляет собой значительный прогресс в обеспечении более удобной и эффективной оптимизации.

    Критика методологии метафоры

    [ редактировать ]

    В то время как отдельные метаэвристики, вдохновленные метафорами, привели к удивительно эффективным решениям конкретных проблем, [49] Метаэвристика, вдохновленная метафорами, в целом вызвала критику среди исследователей за то, что она скрывает свою неэффективность или новизну за сложными метафорами. [49] [50] Кеннет Соренсен отметил: [51]

    В последние годы в области комбинаторной оптимизации произошло настоящее цунами «новых» метаэвристических методов, большинство из которых основаны на метафоре какого-либо естественного или рукотворного процесса. Поведение практически любых видов насекомых, течение воды, совместная игра музыкантов – кажется, ни одна идея не является слишком надуманной, чтобы послужить вдохновением для запуска еще одной метаэвристики. [Я] утверждаю, что это направление исследований угрожает отвести область метаэвристики от научной строгости.

    Соренсен и Гловер заявили: [52]

    Большое (и растущее) количество публикаций посвящено разработке (предположительно) новых метаэвристических структур, основанных на метафорах. Список естественных или искусственных процессов, который использовался в качестве основы для метаэвристической структуры, теперь включает такие разнообразные процессы, как бактериальное кормодобывание, образование рек , биогеография, совместная игра музыкантов, электромагнетизм, гравитация , колонизация империей , взрывы на минах, чемпионаты лиги, облака и так далее. Важная подкатегория находится в метаэвристике, основанной на поведении животных. Муравьи , пчелы, летучие мыши, волки, кошки, светлячки , орлы, дельфины, лягушки , лосось, стервятники, термиты, мухи и многие другие — все использовались для вдохновения на «новую» метаэвристику. [...] Как правило, публикация статей по метаэвристике, основанной на метафорах, ограничивается журналами и конференциями второго уровня, но можно найти некоторые недавние исключения из этого правила. Соренсен (2013) утверждает, что исследования в этом направлении в корне ошибочны. Самое главное, автор утверждает, что новизна лежащей в основе метафоры не делает автоматически полученную структуру «новой». Напротив, появляется все больше свидетельств того, что очень немногие методы, основанные на метафорах, являются новыми в каком-либо интересном смысле.

    В ответ Springer 's Journal of Heuristics обновил свою редакционную политику, заявив: [53]

    Предложение новых парадигм приемлемо только в том случае, если они содержат инновационные базовые идеи, например, те, которые встроены в классические концепции, такие как генетические алгоритмы , табу-поиск и имитация отжига . Журнал «Эвристика» избегает публикации статей, которые переупаковывают и внедряют старые идеи в методы, которые, как утверждается, основаны на метафорах природных или искусственных систем и процессов. В этих так называемых «новых» методах используются аналогии, которые варьируются от разумных капель воды , музыкантов, играющих джаз, империалистических обществ , чехард , кенгуру, всех видов роев и насекомых и даже процессов минных взрывов (Sörensen, 2013). Если исследователь использует метафору, чтобы стимулировать свои собственные идеи о новом методе, метод, тем не менее, должен быть переведен на язык, свободный от метафор, чтобы используемые стратегии можно было ясно понять, а их новизну сделать ясно видимой. (См. пункты 2 и 3 ниже.) Метафоры дешевы, и их легко найти. Их использование для «демонстрации» метода неприемлемо».

    [...] Реализации следует объяснять, используя стандартную терминологию оптимизации, где решение называется «решением», а не чем-то еще, связанным с какой-то неясной метафорой (например, гармонией, мухами , летучими мышами , странами и т. д.).

    [...] Журнал эвристики полностью поддерживает точку зрения Соренсена о том, что «новые» методы, основанные на метафорах, не следует публиковать, если они не могут продемонстрировать вклад в свою область. Переименование существующих концепций не считается вкладом. Хотя эти методы часто называют «новаторскими», многие из них не содержат новых идей, за исключением редких маргинальных вариантов уже существующей методологии. Эти методы не должны занимать журнальное пространство по-настоящему новаторских идей иисследовать. Поскольку они не используют стандартный словарь оптимизации, их излишне сложно понять.

    Политика Springer журнала 4OR – Ежеквартальный журнал по исследованию операций гласит: [54]

    Акцент на научной строгости и инновациях подразумевает, в частности, что журнал не публикует статей, которые просто предлагают замаскированные варианты известных методов без адекватной проверки (например, метаэвристики, которые считаются «эффективными» только на основе метафорических сравнений). с естественными или искусственными системами и процессами). Новые методы должны быть представлены на языке, свободном от метафор, устанавливая их связь с классическими парадигмами. Их свойства должны быть установлены на основе убедительных научных аргументов: математических доказательств, контролируемых экспериментов, объективных сравнений и т. д.

    Подобные утверждения также содержатся в журналах ACM Transactions on Evolutionary Learning Optimization и Evolutionary Computation . [55] [56]


    См. также

    [ редактировать ]

    Примечания

    [ редактировать ]
    1. ^ Колорни, Альберто; Дориго, Марко; Маньеццо, Витторио (1992). «Распределенная оптимизация муравьиными колониями» . В Вареле, Франсиско Дж.; Бурджин, Пол (ред.). К практике автономных систем: материалы Первой европейской конференции по искусственной жизни . МТИ Пресс. стр. 134–42. ISBN  978-0-262-72019-9 .
    2. ^ М. Дориго, Оптимизация, обучение и естественные алгоритмы , докторская диссертация, Миланский политехнический университет, Италия, 1992. [ нужна страница ]
    3. ^ Злочин, Марк; Бираттари, Мауро; Мело, Николя; Дориго, Марко (2004). «Модельный поиск для комбинаторной оптимизации: критический обзор». Анналы исследования операций . 131 (1–4): 373–95. CiteSeerX   10.1.1.3.427 . doi : 10.1023/B:ANOR.0000039526.52305.af . S2CID   63137 .
    4. ^ Кеннеди, Дж.; Эберхарт, Р. (1995). «Оптимизация роя частиц». Материалы ICNN'95 — Международной конференции по нейронным сетям . Том. 4. стр. 1942–8. CiteSeerX   10.1.1.709.6654 . дои : 10.1109/ICNN.1995.488968 . ISBN  978-0-7803-2768-9 . S2CID   7367791 .
    5. ^ Ши, Ю.; Эберхарт, Р. (1998). «Модифицированный оптимизатор роя частиц». 1998 Международная конференция IEEE по эволюционным вычислениям. Всемирный конгресс IEEE по вычислительному интеллекту (кат. № 98TH8360) . стр. 69–73. дои : 10.1109/ICEC.1998.699146 . ISBN  978-0-7803-4869-1 . S2CID   16708577 .
    6. ^ Кеннеди, Дж. (1997). «Рой частиц: социальная адаптация знаний». Материалы Международной конференции IEEE по эволюционным вычислениям 1997 года (ICEC '97) . стр. 303–8. дои : 10.1109/ICEC.1997.592326 . ISBN  978-0-7803-3949-1 . S2CID   61487376 .
    7. ^ Кеннеди, Дж.; Эберхарт, Р.К. (2001). Роевой интеллект . Морган Кауфманн. ISBN  978-1-55860-595-4 .
    8. ^ Поли, Р. (2007). «Анализ публикаций по приложениям оптимизации роя частиц» (PDF) . Технический отчет CSM-469 . Департамент компьютерных наук, Университет Эссекса, Великобритания. Архивировано из оригинала (PDF) 16 июля 2011 г. Проверено 31 августа 2016 г.
    9. ^ Поли, Риккардо (2008). «Анализ публикаций по применению оптимизации роя частиц» . Журнал искусственной эволюции и приложений . 2008 : 1–10. дои : 10.1155/2008/685175 .
    10. ^ Боньяди, Мохаммад Реза; Михалевич, Збигнев (2017). «Оптимизация роя частиц для решения задач непрерывного пространства с одной целью: обзор». Эволюционные вычисления . 25 (1): 1–54. дои : 10.1162/EVCO_r_00180 . ПМИД   26953883 . S2CID   8783143 .
    11. ^ Зонг Ву Гим; Джун Хун Ким; Логанатан, Г.В. (2016). «Новый алгоритм эвристической оптимизации: поиск гармонии». Моделирование . 76 (2): 60–8. дои : 10.1177/003754970107600201 . S2CID   20076748 .
    12. ^ Гим, Зонг У (2006). «Оптимальное стоимостное проектирование водопроводных сетей с использованием поиска гармонии». Инженерная оптимизация . 38 (3): 259–277. дои : 10.1080/03052150500467430 . S2CID   18614329 .
    13. ^ Голизаде, С.; Барзегар, А. (2013). «Оптимизация формы структур с учетом частотных ограничений с помощью алгоритма последовательного поиска гармонии». Инженерная оптимизация . 45 (6): 627. Бибкод : 2013EnOp...45..627G . дои : 10.1080/0305215X.2012.704028 . S2CID   123589002 .
    14. ^ Ван, Линг; Ли, Линг-по (2013). «Эффективный алгоритм поиска дифференциальной гармонии для решения невыпуклых задач распределения экономической нагрузки». Международный журнал электроэнергетики и энергетических систем . 44 : 832–843. дои : 10.1016/j.ijepes.2012.08.021 .
    15. ^ Некоой, Комаил; Фарсанги, Малихе М.; Незамабади-Пур, Хосейн; Ли, Кван Ю. (2013). «Улучшенный многоцелевой поиск гармонии для оптимального размещения генераторов газа в распределительных системах». Транзакции IEEE в Smart Grid . 4 : 557–567. дои : 10.1109/TSG.2012.2237420 . S2CID   12988437 .
    16. ^ Хадван, Мохаммед; Айоб, Масри; Сабар, Насер Р.; Цюй, Руг (2013). «Алгоритм поиска гармонии для решения проблем с реестром медсестер». Информационные науки . 233 : 126–140. CiteSeerX   10.1.1.298.6805 . дои : 10.1016/j.ins.2012.12.025 . S2CID   16569649 .
    17. ^ Хоанг, Дык Чинь; Ядав, Парикшит; Кумар, Раджеш; Панда, Санджиб Кумар (2014). «Реализация в реальном времени протокола кластеризации на основе алгоритма поиска гармонии для энергоэффективных беспроводных сенсорных сетей». Транзакции IEEE по промышленной информатике . 10 : 774–783. дои : 10.1109/TII.2013.2273739 . S2CID   3731612 .
    18. ^ Рен Дяо; Цян Шен (2012). «Выбор функций с помощью поиска гармонии». Транзакции IEEE о системах, человеке и кибернетике. Часть B: Кибернетика . 42 (6): 1509–23. дои : 10.1109/TSMCB.2012.2193613 . ПМИД   22645272 . S2CID   206794122 .
    19. ^ Фаттахи, Хади; Голами, Амин; Амирибахтиар, Мохаммад Садег; Моради, Сиямак (2014). «Оценка осаждения асфальтенов на основе данных титрования: гибридная регрессия опорного вектора с поиском гармонии». Нейронные вычисления и их приложения . 26 (4): 789. doi : 10.1007/s00521-014-1766-y . S2CID   16208680 .
    20. ^ «Алгоритм поиска гармонии» . сайты.google.com . Проверено 23 апреля 2022 г.
    21. ^ Манхаррес, Д.; Ланда-Торрес, И.; Хиль-Лопес, С.; Дель Сер, Дж.; Бильбао, Миннесота; Сальседо-Санс, С.; Гим, ZW (2013). «Обзор приложений алгоритма поиска гармонии». Инженерные применения искусственного интеллекта . 26 (8): 1818. doi : 10.1016/j.engappai.2013.05.008 .
    22. ^ Асиф Асад; Дип, Кусум (2016). «Применение алгоритма поиска гармонии в интеллектуальном анализе данных: обзор». Материалы пятой международной конференции по мягким вычислениям для решения проблем . Достижения в области интеллектуальных систем и вычислений. Том. 437. стр. 863–74. дои : 10.1007/978-981-10-0451-3_77 . ISBN  978-981-10-0450-6 .
    23. ^ Вейланд, Деннис (2015). «Критический анализ алгоритма поиска гармонии — Как не решать судоку» . Перспективы исследования операций . 2 : 97–105. дои : 10.1016/j.orp.2015.04.001 . hdl : 10419/178253 .
    24. ^ Сака, М.; Хасанчеби, О.; Кажется, ZW (2016). «Метаэвристика в структурной оптимизации и обсуждение алгоритма поиска гармонии» . Рой и эволюционные вычисления . 28 : 88–97. дои : 10.1016/j.swevo.2016.01.005 .
    25. ^ Карабога, Дервис (2010). «Алгоритм искусственной пчелиной семьи» . Схоларпедия . 5 (3): 6915. Бибкод : 2010SchpJ...5.6915K . doi : 10.4249/scholarpedia.6915 .
    26. ^ Фам Д.Т., Ганбарзаде А., Коч Э., Отри С., Рахим С. и Заиди М. Алгоритм пчел. Техническое примечание, Центр производственного инжиниринга, Кардиффский университет, Великобритания, 2005 г. [ нужна страница ]
    27. ^ Фам, DT; Кастеллани, М (2009). «Алгоритм пчел: моделирование поведения при поиске пищи для решения задач непрерывной оптимизации». Труды Института инженеров-механиков, Часть C: Журнал машиностроительной науки . 223 (12): 2919. doi : 10.1243/09544062jmes1494 . S2CID   111315200 .
    28. ^ Jump up to: а б Аташпаз-Гаргари, Исмаил; Лукас, Каро (2007). «Империалистический конкурентный алгоритм: алгоритм оптимизации, вдохновленный империалистической конкуренцией». Конгресс IEEE 2007 г. по эволюционным вычислениям . стр. 4661–7. дои : 10.1109/CEC.2007.4425083 . ISBN  978-1-4244-1339-3 . S2CID   2736579 .
    29. ^ Jump up to: а б Назари-Ширкуи, С.; Эйвази, Х.; Годси, Р.; Резаи, К.; Аташпаз-Гаргари, Э. (2010). «Решение проблемы аутсорсинга интегрированного ассортимента продукции с использованием империалистического конкурентного алгоритма». Экспертные системы с приложениями . 37 (12): 7615. doi : 10.1016/j.eswa.2010.04.081 . S2CID   17563386 .
    30. ^ Хоссейни, Сейедмохсен; Аль Халед, Абдулла (2014). «Обзор метаэвристики империалистического конкурентного алгоритма: реализация в инженерной области и направления будущих исследований». Прикладные мягкие вычисления . 24 : 1078–1094. дои : 10.1016/j.asoc.2014.08.024 .
    31. ^ Акл, Селим Г.; Калуде, Кристиан С.; Диннин, Майкл Дж.; Розенберг, Гжегож; Тодд Уэрхэм, Х. (2007). Нетрадиционные вычисления . Конспекты лекций по информатике. Том. 4618. arXiv : 0711.2964 . дои : 10.1007/978-3-540-73554-0 . ISBN  978-3-540-73553-3 .
    32. ^ Рабаналь, Пабло; Родригес, Исмаэль; Рубио, Фернандо (2009). «Применение динамики речных пластов для решения NP-полных задач». Природные алгоритмы оптимизации . Исследования в области вычислительного интеллекта. Том. 193. стр. 333–68. дои : 10.1007/978-3-642-00267-0_12 . ISBN  978-3-642-00266-3 .
    33. ^ Амин, Саман Хамид; Аль-Равешиди, HS; Аббас, Рафед Саббар (2014). «Протокол специальной маршрутизации интеллектуальных пакетов данных». Компьютерные сети . 62 : 162–181. дои : 10.1016/j.bjp.2013.11.015 .
    34. ^ Редлярский, Гжегож; Палковский, Александр; Домбковский, Мариуш (2013). «Использование алгоритма динамики речных пластов в навигации мобильных роботов». Явления твердого тела . 198 : 138–143. дои : 10.4028/www.scientific.net/SSP.198.138 . S2CID   137020536 .
    35. ^ Рабаналь, Пабло; Родригес, Исмаэль; Рубио, Фернандо (2017). «Применение динамики формирования рек» (PDF) . Журнал вычислительной науки . 22 : 26–35. дои : 10.1016/j.jocs.2017.08.002 .
    36. ^ Рашеди, Эсмат; Незамабади-Пур, Хосейн; Сарьязди, Саид (2009). «GSA: алгоритм гравитационного поиска». Информационные науки . 179 (13): 2232. doi : 10.1016/j.ins.2009.03.004 .
    37. ^ Рашеди, Эсмат; Незамабади-пур, Хосейн; Сарьязди, Саид (13 июня 2009 г.). «GSA: Алгоритм гравитационного поиска» . Информационные науки . Специальный раздел о нечетких множествах высокого порядка. 179 (13): 2232–2248. дои : 10.1016/j.ins.2009.03.004 . ISSN   0020-0255 .
    38. ^ Хасанзаде, Хамид Реза; Рухани, Моджтаба (2010). «Многокритериальный алгоритм гравитационного поиска». 2010 2-я Международная конференция по вычислительному интеллекту, системам связи и сетям . стр. 7–12. дои : 10.1109/CICSyN.2010.32 . ISBN  978-1-4244-7837-8 . S2CID   649636 .
    39. ^ Ян, Синь-Ше (2010). «Новый метаэвристический алгоритм, вдохновленный летучими мышами». Вдохновленные природой совместные стратегии оптимизации (NICSO 2010) . Исследования в области вычислительного интеллекта. Том. 284. стр. 65–74. CiteSeerX   10.1.1.761.2708 . дои : 10.1007/978-3-642-12538-6_6 . ISBN  978-3-642-12537-9 . S2CID   14494281 .
    40. ^ Тамура, Кеничи; Ясуда, Кейитиро (2016). «Алгоритм спиральной оптимизации с использованием периодических направлений спуска» . Журнал SICE по контролю, измерениям и системной интеграции . 9 (3): 134–43. Бибкод : 2016JCMSI...9..134T . дои : 10.9746/jcmsi.9.134 .
    41. ^ Розенберг, Луи (12 февраля 2016 г.). «Искусственный роевой интеллект, подход к искусственному интеллекту, основанный на участии человека» Материалы конференции AAAI по искусственному интеллекту . 30 . дои : 10.1609/aaai.v30i1.9833 . S2CID   8824332 .
    42. ^ Риз, Хоуп (22 января 2016 г.). «Как «искусственный роевой интеллект» использует людей, чтобы делать прогнозы лучше, чем эксперты» .
    43. ^ Розенберг, Луи Б. (2015). «Роение людей, метод параллельного распределенного интеллекта в реальном времени». 2015 Семинар по смешанному интеллекту роя и человека (SHBI) . стр. 1–7. дои : 10.1109/ШБИ.2015.7321685 . ISBN  978-1-4673-6522-2 . S2CID   15166767 .
    44. ^ Катбертсон, Энтони (10 мая 2016 г.). «Искусственный интеллект превращает 20 долларов в 11 000 долларов в ставке на Дерби в Кентукки» . Newsweek . Проверено 23 апреля 2022 г.
    45. ^ Олхайзер, Эбби (2 июня 2016 г.). «Что произошло, когда коллективный разум ИИ ответил на животрепещущие политические вопросы Reddit» . Вашингтон Пост . Проверено 23 апреля 2022 г.
    46. ^ Хуан, Чанву; Ли, Юаньсян; Яо, Синь (2019). «Обзор методов автоматической настройки параметров метаэвристики» . Транзакции IEEE в эволюционных вычислениях . 24 (2): 201–216. дои : 10.1109/TEVC.2019.2921598 . ISSN   1089-778X .
    47. ^ Нобиле, Марко С.; Каццанига, Паоло; Безоцци, Даниэла; Коломбо, Риккардо; Маури, Джанкарло; Паси, Габриэлла (2018). «Нечеткая самонастройка PSO: алгоритм глобальной оптимизации без настроек» . Рой и эволюционные вычисления . 39 :70–85. дои : 10.1016/j.swevo.2017.09.001 . hdl : 10446/106467 .
    48. ^ 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 . ISSN   0177-0667 .
    49. ^ Jump up to: а б Александр Браунли и Джон Р. Вудворд (2015). «Почему мы разлюбили алгоритмы, вдохновленные природой» . Разговор .
    50. ^ Джерри Свон, Стивен Адриансен, Мохамед Бишр, Эдмунд К. Берк, Джон А. Кларк, Патрик Де Каусмекер, Хуанхо Дурилло, Кевин Хаммонд, Эмма Харт, Колин Г. Джонсон, Золтан А. Кочиш, Бен Ковиц, Кшиштоф Кравец, Саймон Мартин, Джей Джей Мерело, Леандро Л. Минку, Эндер Озкан, Жизель Л. Паппа, Эрвин Пеш, Пабло Гарсиа-Санчес, Андреа Шарф, Кевин Сим, Джим Э. Смит, Томас Штютцле, Стефан Восс, Стефан Вагнер, Синь Яо. «План исследований метаэвристической стандартизации» . «Метафоры часто вдохновляют новые метаэвристики, но без математической строгости может быть трудно сказать, действительно ли новая метаэвристика отличается от знакомой. Например, с математической точки зрения «Поиск гармонии» оказался простым вариантом « Стратегии эволюции». даже несмотря на то, что метафоры, которые их вдохновили, были совершенно разными. Формальное описание состояния, представления и операторов позволяет отличить подлинную новизну от незначительных вариаций».
    51. ^ Соренсен, Кеннет (2015). «Метаэвристика-метафора разоблачена». Международные сделки в области операционных исследований . 22 :3–18. CiteSeerX   10.1.1.470.3422 . дои : 10.1111/itor.12001 . S2CID   14042315 .
    52. ^ Фред Гловер и Кеннет Соренсен (ред.). «Метаэвристика» . Схоларпедия .
    53. ^ «Журнал эвристической политики в области эвристических поисковых исследований» (PDF) . www.springer.com . Архивировано из оригинала (PDF) 9 июля 2017 года.
    54. ^ «4OR – вкл. Возможность публикации в открытом доступе» . www.springer.com . Проверено 23 апреля 2022 г.
    55. ^ «Транзакции ACM по эволюционному обучению и оптимизации — Рекомендации автора» . dl.acm.org/ . Проверено 9 апреля 2024 г.
    56. ^ «Эволюционные вычисления – Рекомендации по подаче» . Direct.mit.edu/evco/ . Проверено 9 апреля 2024 г.

    Ссылки

    [ редактировать ]
    [ редактировать ]
    Retrieved from "https://en.wikipedia.org/w/index.php?title=List_of_metaphor-based_metaheuristics&oldid=1228754234#Shuffled_frog_leaping"
    Arc.Ask3.Ru: конец переведенного документа.
    Arc.Ask3.Ru
    Номер скриншота №: 6f8e33e9ce039e4f53a3adce95e17771__1718228100
    URL1:https://arc.ask3.ru/arc/aa/6f/71/6f8e33e9ce039e4f53a3adce95e17771.html
    Заголовок, (Title) документа по адресу, URL1:
    List of metaphor-based 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.)