Последние достижения в использовании био

Aug 09, 2023

Том 12 научных отчетов, номер статьи: 19157 (2022) Цитировать эту статью

4008 Доступов

11 цитат

2 Альтметрика

Подробности о метриках

Сложность задач инженерной оптимизации возрастает. Классические алгоритмы оптимизации на основе градиента представляют собой математические средства решения сложных задач, возможности которых ограничены. Метаэвристика стала более популярной, чем точные методы решения задач оптимизации, из-за своей простоты и надежности результатов, которые они дают. Недавно было продемонстрировано, что популяционные биоинспирированные алгоритмы успешно справляются с решением широкого спектра задач оптимизации. Оптимизатор поиска медуз (JSO) — один из таких метаэвристических алгоритмов, основанных на биологии, который основан на поведении медуз в океане при поиске пищи. Согласно литературе, JSO превосходит многие известные метаэвристики в широком спектре тестовых функций и реальных приложений. JSO также можно использовать в сочетании с другими методами, связанными с искусственным интеллектом. Успех JSO в решении разнообразных задач оптимизации мотивирует настоящее всестороннее обсуждение последних результатов, связанных с JSO. В этом документе рассматриваются различные вопросы, связанные с JSO, такие как его источники, варианты и приложения, а также представлены последние разработки и результаты исследований, касающиеся JSO. Систематический обзор способствует разработке модифицированных версий и гибридизации JSO для улучшения исходного JSO и нынешних вариантов, а также поможет исследователям разработать превосходные алгоритмы метаэвристической оптимизации с рекомендациями дополнительных интеллектуальных агентов.

Оптимизация – это процесс, который используется для поиска оптимальных исходных данных для максимизации/минимизации результатов при доступных вычислительных затратах1, 2. Сложность задач инженерной оптимизации возрастает. Классические алгоритмы оптимизации на основе градиента имеют ограниченные возможности для решения сложных задач оптимизации с использованием традиционных математических методов3,4,5. Очевидно, что некоторые традиционные методы можно использовать для решения задач оптимизации, но они могут не дать оптимальных результатов. Кроме того, традиционные методы не могут решить все сложные нелинейные проблемы за приемлемое время6, 7. Метаэвристика стала более популярной, чем точные методы решения задач оптимизации, из-за их простоты и надежности результатов, которые они дают8,9,10. Недавно было продемонстрировано, что популяционные биоалгоритмы хорошо работают при решении широкого спектра задач оптимизации.

Недавно разработанные оригинальные алгоритмы включают алгоритм судебно-медицинской экспертизы (FBI)8, алгоритм слизевика (SMA)11, алгоритм оптимизации группового обучения (GTOA)12, динамическую групповую оптимизацию (DGO)13, алгоритм оптимизации африканских стервятников (AVOA). 14, алгоритм Рао-315, оптимизатор отрядов горилл (GTO)16, оптимизация запаховых агентов (SAO)17, алгоритм поиска воробьев (SSA)18, оптимизатор искусственной экосистемы (AEO)19, оптимизатор мурмурации скворца (SMO) 20, алгоритм оптимизации карликового мангуста (DMOA)21, алгоритм оптимизации военной стратегии (WSOA)22, алгоритм оптимизации динамической бабочки (DBOA)23, метод оптимизации искусственного колибри (AHOT)24 и алгоритм оптимизации муравьиного льва (ALOA). 25.

Недавно усовершенствованные алгоритмы включают модифицированный оптимизатор Харриса Хоукса дробного порядка (FMHHO)26, модифицированный алгоритм оптимизации поиска пищи мантами (MMRFOA)27, усовершенствованный алгоритм слизевиков28, гибридный алгоритм морских хищников (HMPA)29, оптимизацию роя частиц с разделенными шагами. (PSPSO)30, улучшенный алгоритм оптимизации шимпанзе (ICHOA)31, высокопроизводительный алгоритм поиска кукушки (HPCSA)32, алгоритм комплексного обучения морских хищников (CLMPA)33, улучшенный алгоритм поиска воробьев (ESSA)34, гибридный алгоритм которая известна как стратегия трех обучения PSO (TLS-PSO)35, улучшенный алгоритм оптимизации перетасованного пастуха (ESSOA)36, гибридный алгоритм роя сальпов с оптимизацией на основе обучения-обучения (HSSATLBO)37 и улучшенный гибрид перекрестного алгоритма оптимизация и алгоритм арифметической оптимизации (CSOAOA)38. Как оригинальные, так и усовершенствованные алгоритмы метаэвристической оптимизации используются в широком спектре областей, включая инженерию, бизнес, транспорт, энергетику и даже социальные науки.