基于社会物理的混合元启发式算法求解复杂非凸约束优化问题
最优化与控制
2022-12-08 v1 人工智能
神经与进化计算
摘要
迄今为止已开发出若干基于人工智能的启发式和元启发式算法。这些算法在求解不同领域的复杂问题时展现了优越性。然而，有必要严格验证这些算法求解现实世界约束优化问题的能力。此类问题中的搜索行为有所不同，因其涉及大量线性、非线性和非凸类型的等式与不等式约束。本工作中，使用源自基于社会的队列智能（CI）算法的两种约束元启发式算法求解包含57个现实世界约束优化问题的测试集。第一种基于CI的算法采用了自适应罚函数方法，即CI-SAPF。第二种算法将CI-SAPF与基于物理的碰撞体优化（CBO）的固有特性相结合，称为CI-SAPF-CBO。将CI-SAPF和CI-SAPF-CBO所得结果与其他约束优化算法进行比较。详细讨论了所提算法的优越性，并给出了演进约束处理技术的未来方向。
引用
@article{arxiv.2212.03711,
title = {A socio-physics based hybrid metaheuristic for solving complex non-convex constrained optimization problems},
author = {Ishaan R Kale and Anand J Kulkarni and Efren Mezura-Montes},
journal= {arXiv preprint arXiv:2212.03711},
year = {2022}
}