用于规划与工程设计的混沌适应度依赖优化器
神经与进化计算
2021-10-18 v1
摘要
适应度依赖优化器 (FDO) 是一种新兴的元启发式算法，它模仿蜂群寻找更好蜂巢的繁殖行为。该算法类似于粒子群优化 (PSO)，但工作方式不同。该算法非常强大，与其他常见的元启发式算法相比，其结果更优。本文旨在提高 FDO 的性能，因此，在 FDO 内部使用混沌理论提出了混沌 FDO (CFDO)。在 CFDO 中使用了十种混沌映射，以考虑哪些映射表现良好，从而避免局部最优并找到全局最优。由于 FDO 技术在修正种群方面存在问题，因此采用了一种新技术将种群限制在特定范围内。所提出的 CFDO 使用 CEC2019 的 10 个基准函数进行评估。最终结果表明，CFDO 的能力得到了提升。Singer 映射对改进 CFDO 有很大影响，而 Tent 映射则表现最差。结果表明，CFDO 优于 GA、FDO 和 CSO。CEC2013 和 CEC2005 均用于评估 CFDO。最后，将所提出的 CFDO 应用于经典工程问题，如压力容器设计，结果表明 CFDO 处理该问题的能力优于 WOA、GWO、FDO 和 CGWO。此外，CFDO 被应用于解决任务分配问题，并与原始 FDO 进行了比较。结果证明，CFDO 具有更好的问题解决能力。
引用
@article{arxiv.2110.08067,
title = {Chaotic Fitness Dependent Optimizer for Planning and Engineering Design},
author = {Hardi M. Mohammed and Tarik A. Rashid},
journal= {arXiv preprint arXiv:2110.08067},
year = {2021}
}