基于军犬的优化器及其在虚假评论中的应用
神经与进化计算
2019-09-27 v1 人工智能
摘要
过去三十年中,不同作者提出了六十余种元启发式算法。这类算法受物理现象、动物行为或进化概念启发,已被广泛用于求解各类现实优化问题。研究者持续改进已有算法,并提出相较文献中现有算法具竞争力结果的新算法。本文提出一种基于军犬小队的新型元启发式算法,该算法模拟受过训练的军犬的搜索能力。军犬嗅觉灵敏,可搜索炸弹、野生动物粪便、货币或血液等可疑物体,并可通过吠叫相互通信。所提算法在17个基准函数上测试,并与粒子群优化(PSO)、多元宇宙优化器(MVO)、遗传算法(GA)、基于概率的学习(PBIL)和进化策略(ES)五种元启发式比较。结果以适应度值的均值与标准差验证,并通过绘制收敛图与箱线图验证收敛行为与结果一致性。此外,所提算法成功用于解决现实虚假评论检测问题。实验结果表明,所提算法在多数性能参数上优于其他对比算法。
引用
@article{arxiv.1909.11890,
title = {Military Dog Based Optimizer and its Application to Fake Review},
author = {Ashish Kumar Tripathi and Kapil Sharma and Manju Bala},
journal= {arXiv preprint arXiv:1909.11890},
year = {2019}
}