金龟甲虫优化器：一种用于工程问题的新型自然启发元启发式算法
神经与进化计算
2021-04-06 v1 人工智能
机器学习
数值分析
数值分析
摘要
本文提出一种名为金龟甲虫优化器（GTBO）的新型自然启发元启发式算法，用于求解优化问题。该算法模拟金龟甲虫通过改变颜色吸引异性交配的行为，以及利用一种肛叉威慑捕食者的防御策略。算法基于甲虫的双重吸引与生存策略建模，以生成优化问题的新解。为衡量其性能，所提出的 GTBO 在 24 个知名基准函数上与五种其他自然启发进化算法进行比较，考察探索与利用之间的权衡、局部最优规避以及对全局最优的收敛性在统计上是否显著。我们特别将 GTBO 应用于两个知名工程问题，包括焊接梁设计问题和齿轮系设计问题。结果表明，对于这两个问题，新算法均比五种基线算法更高效。还进行了敏感性分析，以揭示算法的关键控制参数与算子对 GTBO 性能的不同影响。
引用
@article{arxiv.2104.01521,
title = {Golden Tortoise Beetle Optimizer: A Novel Nature-Inspired Meta-heuristic Algorithm for Engineering Problems},
author = {Omid Tarkhaneh and Neda Alipour and Amirahmad Chapnevis and Haifeng Shen},
journal= {arXiv preprint arXiv:2104.01521},
year = {2021}
}