相关实验视频
Updated: Jul 1, 2025

14:58
Behavioral Tracking and Neuromast Imaging of Mexican Cavefish
Published on: April 6, 2019
7.7K
一个黑猩猩的算法,基于曼塔的食策略及其应用
1College of Mechanical Engineering, Guizhou University, Guiyang, China.
PloS one
|March 7, 2024
概括
一个新的基于曼塔的黑猩猩优化算法 (MChOA) 通过改善最初的种群多样性和平衡勘探/开采来提高性能. 这种新的方法在复杂的调度问题中明显优于现有方法.
科学领域:
- 计算智能是一种计算智能.
- 优化算法 优化算法
- 超听证学是一种超听证学.
背景情况:
- 黑猩猩优化算法 (ChOA) 存在性能限制,特别是倾向于局部优化.
- 增强人口多样性和平衡勘探/开发对于提高元启发算法效率至关重要.
研究的目的:
- 开发一种改进的优化算法,即基于Manta Ray的Chimpa优化算法 (MChOA),以克服CHOA的局限性.
- 为了提高初始的人口分布和收行为,以获得更好的优化性能.
主要方法:
- 纳入了拉丁式超立方体方法,以获得更多样化的初始人口分布.
- 引入基于正切割函数的非线性收因子,以平衡早期勘探和后期开采.
- 整合了鱼食战略,以减轻当地优化问题.
主要成果:
- 对27个基准函数的实验结果表明,MChOA对其他算法具有显著的性能优势.
- 该算法通过解决局部最佳情况,有效地提高了优化性能.
- 在灵活的车间和航空发动机工作车间,MChOA在解决复杂的调度问题方面表现出色.
结论:
- 提出的基于Manta Ray的Chimpa优化算法 (MChOA) 为复杂的优化任务提供了强大而有效的解决方案.
- 在现实世界的工业调度问题中,MChOA表现出强大的适用性和有效性,证实了其实际价值.

