批判性分析：基于蝙蝠算法在多领域的调查与应用
神经与进化计算
2021-02-03 v1
摘要
近年来出现了若干群智能优化算法，如 Xin-She Yang 于 2010 年提出的蝙蝠算法（BA）。该算法的思想取自蝙蝠的回声定位能力。目的：本研究的目的是为读者提供蝙蝠算法的全面研究，包括其局限性、该算法已应用的领域、不同领域中的多种优化问题，以及所有评估其相对于其他元启发式算法性能的研究。方法：从背景、特性、局限性方面深入给出蝙蝠算法，并展示了与 BA 混合的算法（K-Medoids、反向传播神经网络、和声搜索算法、差分进化策略、增强粒子群优化和布谷鸟搜索算法）及其理论结果，以及对该算法已进行的改进（改进蝙蝠算法（MBA）、增强蝙蝠算法（EBA）、带变异的蝙蝠算法（BAM）、无人作战飞机-带变异蝙蝠算法（UCAV-BAM）、非线性优化）……发现：通过所有处理该算法的研究及其所涉领域与应用，阐明该算法的优缺点，以期帮助科学家理解并改进它。原创性/价值：就研究界所知，尚无涵盖其所有方面的该算法的综合性综述研究。关键词：群智能；自然启发算法；元启发式算法；优化算法；蝙蝠算法。
引用
@article{arxiv.2102.01201,
title = {Critical Analysis: Bat Algorithm based Investigation and Application on Several Domains},
author = {Shahla U. Umar and Tarik A. Rashid},
journal= {arXiv preprint arXiv:2102.01201},
year = {2021}
}
备注
25 pages, Review paper