Аннотация:
Роевые алгоритмы относятся к классу популяционных метаэвристических методов оптимизации. Несмотря на использование различных метафор, большинство роевых алгоритмов имеют схожую структуру, в них можно выделить такие общие компоненты, как инициализация популяции решений, диверсификация и интенсификация решений. На основании концепции общности был проведен анализ ключевых подходов, методов и способов повышения эффективности роевых алгоритмов оптимизации. В обзоре роевые алгоритмы оптимизации рассматриваются как совокупность операторов, без детального обсуждения каждого алгоритма, основное внимание сосредоточено на анализе ключевых компонентов алгоритмов. Основная идея повышения эффективности заключается в соблюдении баланса между диверсификацией и интенсификацией. В этом контексте рассмотрены механизмы поддержки популяционного разнообразия, методы настройки и регулировки параметров роевых алгоритмов, подходы к гибридизации алгоритмов, обозначено несколько открытых проблем, связанных с темой обзора.
\RBibitem{Hod21}
\by И.~А.~Ходашинский
\paper Методы повышения эффективности роевых алгоритмов оптимизации
\jour Автомат. и телемех.
\yr 2021
\issue 6
\pages 3--45
\mathnet{http://mi.mathnet.ru/at15496}
\crossref{https://doi.org/10.31857/S0005231021060015}
\elib{https://elibrary.ru/item.asp?id=46883506}
\transl
\jour Autom. Remote Control
\yr 2021
\vol 82
\issue 6
\pages 935--967
\crossref{https://doi.org/10.1134/S0005117921060011}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000672497000001}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-85109864837}
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/at15496
https://www.mathnet.ru/rus/at/y2021/i6/p3
Эта публикация цитируется в следующих 7 статьяx:
I. A. Hodashinsky, “Population Diversity Management of Swallow Swarm Optimization Algorithm for Fuzzy Classification Problem”, Autom. Doc. Math. Linguist., 58:3 (2024), 182
M. Bardamova, M. Svetlakov, K. Sarin, A. Hodashinskaya, Y. Shurygin, I. Hodashinsky, “Population Generation Methods for Metaheuristic Algorithms Used to Construct Compact Fuzzy Classifiers of Medical Data”, Pattern Recognit. Image Anal., 34:3 (2024), 396
K. S. Sarin, “Discrete Optimization Algorithm Based on Probability Distribution with Transformation of Target Values”, Program Comput Soft, 50:6 (2024), 445
Yousef Abdi, Mohammad Asadpour, “On the impact of information-sharing model between subpopulations in the Island-based evolutionary algorithms: search manager framework as a case study”, J Supercomput, 79:13 (2023), 14245
R. O. Ostapenko, I. A. Hodashinsky, Yu. A. Shurygin, “Using the Grasshopper Optimization Algorithm for Fuzzy Classifier Design”, Autom. Doc. Math. Linguist., 57:6 (2023), 333
Nikhil Aditya, Siba Sankar Mahapatra, “Switching from exploration to exploitation in gravitational search algorithm based on diversity with Chaos”, Information Sciences, 635 (2023), 298
Yinzhao Zhang, Wei Sun, Jun Hou, Qianmu Li, 2023 IEEE Intl Conf on Dependable, Autonomic and Secure Computing, Intl Conf on Pervasive Intelligence and Computing, Intl Conf on Cloud and Big Data Computing, Intl Conf on Cyber Science and Technology Congress (DASC/PiCom/CBDCom/CyberSciTech), 2023, 0549