黑海钩虾群优化：一种元启发式优化算法
神经与进化计算
2018-07-06 v1
摘要
如今，元启发式优化算法被用于困难搜索空间中寻找全局最优解。黑海钩虾群优化（PMSO）是一种模仿水生自然和觅食行为的元启发式算法。Pontogammarus Maeoticus，简称 Gammarus，是一种主要发现于伊朗里海海岸的小型生物。在该算法中，全局最优被建模为海岸边缘（海岸），Gammarus 生物愿意向其移动以躲避海浪并在沙中觅食。海浪满足探索，而觅食模型满足开发。海浪的强度根据 Gammarus 距海岸边缘的距离确定。作用于多个粒子的波浪角度被随机设定，帮助算法不陷入局部最优。同时，粒子的邻域自适应变化，从而在搜索中实现更高效的进展。所提算法虽适用于任何优化问题，但针对部分遮荫太阳能光伏阵列进行了实验。在 CEC05 基准以及太阳能光伏阵列上的实验表明了该优化算法的有效性。
引用
@article{arxiv.1807.01844,
title = {Pontogammarus Maeoticus Swarm Optimization: A Metaheuristic Optimization Algorithm},
author = {Benyamin Ghojogh and Saeed Sharifian},
journal= {arXiv preprint arXiv:1807.01844},
year = {2018}
}
备注
15 pages, 13 figures, 11 tables, key words: Pontogammarus Maeoticus, Gammarus swarm, metaheuristic optimization