适应性优化器(Fitness Dependent Optimizer)是否已准备好迎接优化未来？
神经与进化计算
2025-06-16 v1
摘要
元启发式算法是受自然现象或生物行为（例如动物行为）启发的优化方法，用于解决复杂问题，如工程、能源优化和医疗保健等领域。2019年提出的一种算法是适应性优化器(Fitness Dependent Optimizer, FDO)，其基于蜂群智能，提供了高效的优化能力。本文旨在介绍FDO的全面综述，包括其基本概念、主要变体及从一开始的应用。本文系统地收集并审查了每一篇相关论文，提供了对该算法优缺点的重要见解。旨在评估FDO在多个维度上的性能，并识别其优势与不足。本研究采用比较分析，展示了FDO及其变体在解决现实优化问题方面的工作效果，从而帮助我们理解它们的能力。最后，本文提出了未来研究方向，以进一步提高FDO性能。
引用
@article{arxiv.2506.10983,
title = {Is the Fitness Dependent Optimizer Ready for the Future of Optimization?},
author = {Ardalan H. Awlla and Tarik A. Rashid and Ronak M. Abdullah},
journal= {arXiv preprint arXiv:2506.10983},
year = {2025}
}
备注
21 pages