增强的草原狗优化与差异进化用于解决工程设计问题和网络入侵检测系统.
Mohammad Alshinwan1, Osama A Khashan2, Mohammed Khader1
1Faculty of Information Technology, Applied Science Private University, Amman 11931, Jordan.
Heliyon
|September 16, 2024
概括
一个新的混合优化算法,PDO-DE,结合了草原狗优化 (PDO) 和差异进化 (DE) 进行复杂的工程和网络安全任务. 这种强大的方法在各种基准和现实应用中在速度和准确性方面表现出卓越的性能.
科学领域:
- 计算智能是一种计算智能.
- 优化算法 优化算法
- 群集情报 群集情报 群集情报
背景情况:
- 复杂的优化问题需要先进的算法,用于工程设计和网络安全.
- 现有的方法可能缺乏对各种问题领域的勘探和开发的效率.
- 草原狗优化 (PDO) 算法和差异进化 (DE) 策略在随机优化中占据着重要地位.
研究的目的:
- 引入和评估一种新的混合优化算法,PDO-DE.
- 通过整合DE的突变和交叉机制来增强PDO的搜索能力.
- 在工程设计和网络入侵检测系统 (NIDS) 中证明算法的有效性.
主要方法:
- 将草原犬优化 (PDO) 算法与差异进化 (DE) 策略的整合.
- 纳入DE的突变和交叉,以改进解决方案的探索和开发.
- 对23个基准函数,五个工程设计问题和一个NIDS数据集进行了严格的测试.
主要成果:
- 与最先进的算法相比,PDO-DE在融合速度和准确性方面表现优越.
- 该算法在基准函数和工程问题中显示出强度和适应性.
- 在NIDS中,PDO-DE实现了98.1%的检测率,2.4%的错误报警率和96%的准确性.
结论:
- 在混合优化技术中,PDO-DE算法提供了显著的进步.
- 它为解决需要高精度的现实问题提供了更有效的方法.
- 该算法对工程和网络安全领域的应用非常有希望,包括NIDS.
更多相关视频
20:24Characterization of Complex Systems Using the Design of Experiments Approach: Transient Protein Expression in Tobacco as a Case Study
Published on: January 31, 2014
16.5K
10:44Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline
Published on: December 7, 2021
2.1K
