交叉花肥优化 (CCFFO):为全球和水库生产优化提供一个生物灵感的元启发方法

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:

• 花肥优化 (FFO) 是复杂问题的元启发方法.
• FFO可能遭受人口多样性减少和局部最佳状态停滞.
• 提高元启发性表现对于科学和工程进步至关重要.

研究的目的:

• 引入交叉花肥优化 (CCFFO) 算法. 为了引入交叉花肥优化 (CCFFO) 算法.
• 通过整合一个交叉运算符来增强花肥优化 (FFO) 算法.
• 改善人口多样性和逃离当地最佳状态的能力.

主要方法:

• 拟议的交叉花肥优化 (CCFFO) 算法将交叉操作员集成到FFO框架中.
• 解决方案之间的信息交换通过交叉运营商进行结构化,以促进多样性.
• CCFFO在CEC2017基准套件和一个水库生产优化问题上进行了严格的测试.

主要成果:

• 在CEC2017基准套件上,CCFFO与十个最先进的算法相比获得了总体排名的第一名.
• 该算法通过保持人口多样性,在避免局部最佳状态方面表现出卓越的性能.
• 在一个水库生产优化问题上,CCFFO获得了比竞争方法更高的净当前价值 (NPV).

结论:

• 与标准的FFO相比,CCFFO有效地增强了人口的多样性,并避免了局部最佳情况.
• 拟议的CCFFO算法显示了解决复杂的现实世界优化任务的巨大潜力.
• CCFFO代表了一种强大而通用的工具,用于优化科学和工程学科.