500 余种自然启发元启发式算法的性能评估与详尽列举
神经与进化计算
2022-12-20 v1 人工智能
摘要
元启发式算法广泛应用于各个领域，并引起了科学界和工业界的广泛关注。近年来，新元启发式算法的名称数量持续增长。通常，发明者将这些新算法的新颖性归因于来自生物学、人类行为、物理学或其他现象的启发。此外，这些新算法在无平移/旋转的经典基准问题上与基本版本的其他元启发式算法相比，表现出具有竞争力的性能。在本研究中，我们详尽地列出了 500 多种元启发式算法。为了比较评估近期具有竞争力的变体和新提出的元启发式算法的性能，我们在 CEC2017 基准测试套件上对 11 种新提出的元启发式算法和 4 种已确立元启发式算法的变体进行了全面比较。此外，还研究了这些算法是否对搜索空间的中心存在搜索偏差。结果表明，新提出的 EBCM（带协方差矩阵自适应的高效蝴蝶优化器）算法的性能与 4 种表现优异的已确立元启发式算法变体相当，并在收敛性、多样性、探索与利用权衡等多个方面具有相似的属性和行为。所有 15 种算法的性能都可能因某些变换而下降，而 4 种最先进的元启发式算法受变换（如全局最优点偏离搜索空间中心）的影响较小。值得注意的是，除 EBCM 外，其他 10 种主要在 2019-2020 年间提出的新算法，在 CEC 2017 函数上的收敛速度和全局搜索能力方面，均不如 2017 年表现优异的差分进化和进化策略变体。
引用
@article{arxiv.2212.09479,
title = {Performance assessment and exhaustive listing of 500+ nature inspired metaheuristic algorithms},
author = {Zhongqiang Ma and Guohua Wu and Ponnuthurai N. Suganthan and Aijuan Song and Qizhang Luo},
journal= {arXiv preprint arXiv:2212.09479},
year = {2022}
}