マルチストラテジーで改良されたハンガーゲーム検索アルゴリズム

科学分野:

• コンピューター・インテリジェンス
• 最適化アルゴリズム
• メタヒューリスティック・検索

背景:

• オリジナル・ハンガー・ゲーム・サーチ (HGS) は,探索/搾取の不均衡,人口多様性の低さ,早期の収束に苦しんでいます.
• これらの制限に対処することは,メタヒューリスティック最適化アルゴリズムのパフォーマンスを改善するために不可欠です.

研究 の 目的:

• ハンガーゲーム検索 (MHGS) アルゴリズムを改良したマルチ戦略を導入する.
• オリジナルのHGSアルゴリズムの欠点を克服するために

主な方法:

• グローバル探査とローカル開発のダイナミックな調整のための段階的な位置更新の枠組みを実装した.
• 人口の多様性を維持するために 生物学的パターンにインスパイアされた 強化された生殖オペレーターを組み込みました
• 適応的境界処理メカニズムと自己調整係数を持つエリートダイナミック対立学習戦略を開発しました.

主要な成果:

• MHGSは,ベンチマーク機能とエンジニアリング上の問題の最先端の7つのアルゴリズムに対して,平均23%の精度向上を示しました.
• BMHGS_V3というバイナリ型は,UCIデータセットでの特徴選択において平均92.3%の分類精度を達成した.
• 統計分析 (ウィルコクソンランクサムテスト,p < 0. 05) は,MHGSの有意な性能向上を確認した.

結論:

• 提案されたMHGSアルゴリズムは,複雑な最適化問題を解くための新鮮で効果的な枠組みを提供します.
• MHGSは,コンピューティングインテリジェンスにおける重要な理論的および実用的な価値を示しています.
• 構成要素の連携により 検索の信頼性と効率性が向上します