埃博拉优化搜索算法（EOSA）：一种基于埃博拉病毒疾病传播模型的新元启发式算法
人工智能
2021-06-22 v2
摘要
埃博拉病毒及其所致疾病往往使人群中的个体在易感、感染、隔离、住院、康复和死亡子群体之间随机移动。受该病毒高效传播疾病的启发，本文提出一种新的生物启发、基于种群的优化算法。我们提出一种名为埃博拉优化算法（EOSA）的新型元启发式算法。为正确实现这一点，本研究对埃博拉病毒疾病的传播机制进行建模，强调传播的所有一致状态。该模型进一步用基于一阶微分方程的数学模型表示。此后，将传播与数学组合模型改造用于开发新的元启发式算法。为评估所提方法相对于其他优化方法的性能与能力，首先研究了底层传播与数学模型以判定其成功模拟埃博拉病毒病（EVD）的程度。此外，对两组基准函数进行了数值研究，包括四十七（47）个经典基准函数和三十余（30）个约束 IEEE CEC-2017 基准函数。结果表明，基于可扩展性分析、收敛性分析和敏感性分析，所提算法的性能与其他最先进（state-of-the-art）优化方法具有竞争力。大量仿真结果表明，在某些偏移、高维和大搜索范围问题上，EOSA 优于其他最流行的元启发式优化算法，如粒子群优化算法（PSO）、遗传算法（GA）和人工蜂群算法（ABC）。
引用
@article{arxiv.2106.01416,
title = {Ebola Optimization Search Algorithm (EOSA): A new metaheuristic algorithm based on the propagation model of Ebola virus disease},
author = {Olaide N. Oyelade and Absalom E. Ezugwu},
journal= {arXiv preprint arXiv:2106.01416},
year = {2021}
}