人工鱼算法的智能贡献用于持续的问题和实时紧急医疗服务

科学领域:

• 人工智能的人工智能
• 优化算法 优化算法
• 运营研究 运营研究

背景情况:

• 集群智能算法提供强大的优化能力.
• 使用突变运算符和基于对立的学习来增强现有的算法可以提高性能.
• 现实世界的问题,如紧急服务物流,需要有效的资源配置策略.

研究的目的:

• 通过整合突变操作员和基于对立的学习,引入人工鱼算法 (AOA) 的新型变体.
• 评估在连续和离散优化问题上提出的算法的有效性.
• 在现实世界紧急医疗服务环境中应用和评估这些增强算法的性能.

主要方法:

• 开发深度自学人工鱼算法 (DSLAOA) 和使用考奇和高斯突变运算符的反对深度自学人工鱼算法 (ODSLAOA).
• 对拟议的算法进行比较分析,与持续优化基准的七个最先进的元启发术进行比较.
• 在使用真实数据的救护车调度和紧急呼叫覆盖问题的AOA变体的数学公式和实验测试.

主要成果:

• DSLAOA,特别是Cauchy突变运算子,在持续优化中表现出优于其他算法的性能.
• 拟议的群体情报方法在紧急医疗服务场景中确定必要的资源方面被证明是有效和有益的.
• 在现实数据上的实验验证实了增强的AOA方法的实际适用性.

结论:

• 突变操作员和基于对立的学习的集成显著增强了人工鱼算法.
• 对于一般的优化任务和紧急响应等关键的现实应用,DSLAOA提供了一个非常有效的元启发.
• 这项研究突出了群体智能在优化时间敏感情况下资源配置方面的潜力.