一种用于解决酒店与餐厅作业调度问题的改进蝙蝠算法
神经与进化计算
2021-09-30 v1
摘要
蝙蝠算法是群智能家族中一种流行的元启发式算法示例。该算法由 Yang 于 2010 年首次提出，并迅速展现出相较于其他常见算法的高效性。蝙蝠算法基于蝙蝠的回声定位。它通过模仿蝙蝠在搜索猎物时脉冲发射率和响度的偏差，使用自动缩放来平衡探索与开发。蝙蝠算法利用调频技术保持解的多样性。通过这种方式，蝙蝠算法能够快速高效地从探索切换到开发。因此，当需要快速求解时，它成为适用于任何应用的高效优化器。本文对原始蝙蝠算法进行了改进，以加快收敛速度并使该方法更适用于大规模应用。为了在原始蝙蝠算法、本文提出的改进蝙蝠算法以及其他最先进的生物启发元启发式算法之间进行全面的比较分析，我们在由 23 个（单峰、多峰和固定维度多峰）基准函数组成的标准集上评估了这两种方法的性能。随后，将改进的蝙蝠算法应用于解决酒店和餐厅中的真实作业调度问题。基于所获得的性能指标，所提出的改进蝙蝠算法比原始蝙蝠算法及其他方法展现出更好的全局搜索能力和收敛性。
引用
@article{arxiv.2109.14441,
title = {An Improved BAT Algorithm for Solving Job Scheduling Problems in Hotels and Restaurants},
author = {Tarik A. Rashid and Chra I. Shekho Toghramchi and Heja Sindi and Abeer Alsadoon and Nebojsa Bacanin and Shahla U. Umar and A. S. Shamsaldin and Mokhtar Mohammadi},
journal= {arXiv preprint arXiv:2109.14441},
year = {2021}
}
备注
13 pages