一种用于涉及高成本分析的单目标优化问题的混合群智能算法
最优化与控制
2021-05-05 v2 人工智能
分布式、并行与集群计算
神经与进化计算
摘要
在许多技术领域，连续域中的单目标优化过程涉及昂贵的数值模拟。在此背景下，本文提出了一种改进的人工蜂群 (ABC) 算法，称为人工超蜂增强群 (AsBeC)。AsBeC 旨在提供快速的收敛速度、高解的精度以及在广泛问题上的鲁棒性能。该算法实现了 ABC 结构的增强，并与插值策略进行了混合。后者灵感来源于用于局部探测的二次信任域方法以及针对可分离问题的高效全局优化器。我们在数值基准测试上使用适当的度量研究了每种修改及其组合效应，该基准测试也用于将 AsBeC 与一些有效的 ABC 变体及其他无导数算法进行比较。此外，所提出的算法在两个近期被国际会议竞赛采用的基准测试上进行了验证。结果表明 AsBeC 具有显著的竞争力和鲁棒性。
引用
@article{arxiv.1402.5830,
title = {A hybrid swarm-based algorithm for single-objective optimization problems involving high-cost analyses},
author = {Enrico Ampellio and Luca Vassio},
journal= {arXiv preprint arXiv:1402.5830},
year = {2021}
}
备注
19 pages, 4 figures, Springer Swarm Intelligence