一个新的人工电场算法,用于解决全球优化和现实世界的工程问题
Abdelazim G Hussien1,2, Adrian Pop1, Sumit Kumar3
1Department of Computer and Information Science, Linköping University, 581 83 Linköping, Sweden.
一个新的修改的人工电场算法 (mAEFA) 使用Lévy飞行和模拟化来提高优化性能. 这种增强的算法在复杂的基准和工程问题上表现出卓越的结果,克服了原始AEFA的局限性.
科学领域:
- 计算智能是一种计算智能.
- 优化算法 优化算法
- 超启发式计算 超启发式计算
背景情况:
- 灵感来自物理学的人工电场算法 (AEFA) 在高维问题中面临着融合和低最佳解决方案的挑战.
- 现有的元启发需要改进,以改善探索,利用和多样性,以应对复杂的优化任务.
研究的目的:
- 引入一个修改的人工电场算法 (mAEFA),集成莱维飞行,模拟化和自适应的s-最佳突变和自然幸存者方法 (NSM).
- 增强AEFA的搜索空间,勘探潜力和稳定性,旨在在当地加强和全球多样化之间取得更好的平衡.
- 评估mAEFA在各种约束和工程基准问题上的性能和实际兼容性.
主要方法:
- 改进的人工电场算法 (mAEFA) 的开发,通过整合Lévy飞行来增强探索.
- 整合模拟化以改善搜索利用和适应性最好的突变和自然幸存者方法 (NSM) 以增加多样性.
- 使用29个CEC'17约束基准和五个工程设计问题进行全面的定量和定性评估.
主要成果:
- 在所有29个CEC'17测试函数上,mAEFA在LCA算法上表现优异 (100%的优势).
- 在CEC'17的测试案例中,mAEFA在显著的比例上 (96.6%降至58.6%) 超过了SAO,GOA,CHIO,PSO,GSA和AEFA.
- 在五个工程设计问题中,mAEFA在三个问题中取得了最佳表现,在剩下的两个问题中获得了第二名.
结论:
- 拟议的mAEFA有效地解决了原始AEFA的局限性,显示了更好的性能和稳定性.
- 整合Lévy飞行,模拟化,以及适应性s-best变异和NSM,提高了算法的处理各种优化问题的能力.
- mAEFA将自己确立为在理论和实践工程领域复杂的优化任务的竞争性和有效的元启发.
更多相关视频
11:53Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm
Published on: December 9, 2012
14:14Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models
Published on: August 12, 2018
相关概念视频
Gauss's Law: Problem-Solving
Fast Decoupled and DC Powerflow
Induced Electric Fields: Applications
Determining Electric Field From Electric Potential
In general, regardless of whether the electric field is uniform, it points in the direction of decreasing potential because the force on a positive...
Finding Electric Potential From Electric Field
Ampere-Maxwell's Law: Problem-Solving
To solve the problem, we can use the equations from the analysis of an RC circuit and Maxwell's version of Ampère's law.
For the first part of...
