改进的适应度依赖优化器算法
神经与进化计算
2020-02-03 v1
摘要
适应度依赖优化器（FDO）算法于2019年提出。本文提出一种改进的FDO（IFDO）算法，该算法显著提升了原始FDO处理复杂优化问题的能力。为改进FDO，IFDO计算对齐与凝聚行为，并将这些行为用于FDO更新其位置的速度。此外，在确定权重时，FDO使用权重因子（wf），该因子多数情况下为零，仅少数情况为一。相反，IFDO在[0-1]范围内对wf进行随机化，并在获得更优适应度权重值时缩小该范围。本文展示了IFDO算法及其收敛至最优解的方法。此外，利用19组经典标准测试函数对IFDO进行测试，并选取FDO及三种其他知名算法——粒子群算法（PSO）、蜻蜓算法（DA）和遗传算法（GA）——评估IFDO结果。进而，利用CECC06 2019竞赛（即IEEE进化计算大会基准测试函数集）测试IFDO，并选取FDO及三种近期算法——樽海鞘群算法（SSA）、DA和鲸鱼优化算法（WOA）——衡量IFDO结果。结果表明IFDO在某些情况下实用，且在大多数情况下结果有所改善。最后，为证明IFDO的实用性，将其用于实际应用。
引用
@article{arxiv.2001.11820,
title = {Improved Fitness-Dependent Optimizer Algorithm},
author = {Danial A. Muhammed and Soran AM. Saeed and Tarik A. Rashid},
journal= {arXiv preprint arXiv:2001.11820},
year = {2020}
}
备注
17 pages