A Chaotic Binary Salp Swarm Algorithm for Solving the Graph Coloring Problem

Meraihi, Yassine; Ramdane-Chérif, Amar; Mahseur, Mohammed; Achelia, Dalila

doi:10.1007/978-3-030-05481-6_8

Cited by 22 publications

(5 citation statements)

References 31 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Chuôĩ này đươ ̣c chia thành hai nhóm: lãnh đạo và như ñg con theo dõi. Con lãnh đạo ơ ̉vị trí dâñ đâù chuôĩ, phâǹ còn lại của Salps là như ñg con theo sau [39][40][41].…”

Section: Thuật Toán Bâỳ Salps (Ssa)unclassified

Tối ưu chi phí xây dựng mạng lưới thoát nước thải sinh hoạt sử dụng trí tuệ nhân tạo

Sơn,

Nguyệt

2023

TCKHCNXD

View full text Add to dashboard Cite

Khi quá trình đô thị hóa và biến đổi khí hậu, tần suất ngập lụt sẽ tăng lên. Mỗi trận ngập lụt gây ra thiệt hại cho cơ sở hạ tầng và môi trường. Việc thiết kế tối ưu mạng lưới thoát nước và tiết kiệm chi phí xây dựng là cần thiết. Để giảm chi phí xây dựng một mạng lưới thoát nước hiện hữu, cần tối ưu hóa các thông số kỹ thuật ảnh hưởng trực tiếp đến chi phí và áp dụng các thuật toán tối ưu hóa. Nghiên cứu đã đề xuất phát triển thuật toán lai ghép Bầy Salps (SSA) – Chuồn Chuồn (DA) để tối ưu mạng lưới thoát nước thải giúp phát huy những điểm mạnh và khắc phục những điểm yếu của hai thuật toán, cân bằng quá trình thăm dò và khai thác. Hai ví dụ về mạng lưới thu gom nước thải được dùng để đánh giá hiệu suất của thuật toán và kết quả thu được được so sánh với các thuật toán cổ điển trong những nghiên cứu trước đây mà các tác giả đã thực hiện. Kết quả thu được ở hai case study cho thấy mô hình hiện tại mang lại giải pháp tối ưu hơn so với các phương pháp khác trong những nghiên cứu trước đây. Kết quả cho thấy thuật toán SSA-DA giúp cải thiện các thông số thu được bởi SSA hoặc DA riêng lẻ; chi phí thu được thấp hơn so với kết quả của các nghiên cứu trước đây.

show abstract

Section: Thuật Toán Bâỳ Salps (Ssa)unclassified

Tối ưu chi phí xây dựng mạng lưới thoát nước thải sinh hoạt sử dụng trí tuệ nhân tạo

Sơn,

Nguyệt

2023

TCKHCNXD

View full text Add to dashboard Cite

show abstract

“…The scenario is depicted in Figure 2. "The salp at the top of the chain is known as the leader, while the others are known as followers":As the name of these salps indicates, the leading directors swarm and thus the followers following each other (Achelia, 2018). Salps' dynamic motions boost the SSA's searching capabilities, allowing it to avoid global optimization problems and immature convergence limitations.…”

Section: Salp Swarm Algorithmmentioning

confidence: 99%

A Modified Salp Swarm Optimization Algorithm Based on the Load Frequency Control of Multiple-Source Power System

AL-ZUBAIDI,

CANSEVER

2023

A-JESA

View full text Add to dashboard Cite

This work proposes a modified Salp Swarm Optimization Algorithm (SSA) for addressing a multi-source power state's Load Frequency Control (LFC). A controller parameter tuning of the SSA method and its application to the LFC of a multi-source power system with several power generating sources. Derive to the controller parameters, a single area telecommunications device that permits two power system with integrated controlles according to each unit is considered first, and the SSA approach is used. The tunned SSA algorithm is used to optimize the integral (I), proportional integral (PI), and proportional integral derivative (PID) parameters. The research is expanded to include a multi-area multi-source power system, as well as an HVDC link is proposed for connectivity of two regions in addition to the current AC point of intersection. This same tunned SSA method is used to improve the parameters of the Integral (I), Proportional Integral (PI), and Proportional - integral - derivative Derivative (PID). Consequently, the suggested system is shown to be resilient and unaffected by changes of the loading situation, system parameters, or SLP size.

show abstract

“…Ibrahim et al proposed a hybrid optimization method for the feature selection problem which combines the slap swarm algorithm with the particle swarm optimization (SSAPSO) [98]. The chaotic binary salp swarm algorithm (CBSSA) [99] was introduced by Meraihi et al to solve the graph coloring problem. The CBSSA applies a logistic map to replace the random variables used in the SSA, which causes it to avoid the stagnation to local optima and improves exploration and exploitation.…”

Section: Related Workmentioning

confidence: 99%

B-MFO: A Binary Moth-Flame Optimization for Feature Selection from Medical Datasets

et al. 2021

View full text Add to dashboard Cite

Advancements in medical technology have created numerous large datasets including many features. Usually, all captured features are not necessary, and there are redundant and irrelevant features, which reduce the performance of algorithms. To tackle this challenge, many metaheuristic algorithms are used to select effective features. However, most of them are not effective and scalable enough to select effective features from large medical datasets as well as small ones. Therefore, in this paper, a binary moth-flame optimization (B-MFO) is proposed to select effective features from small and large medical datasets. Three categories of B-MFO were developed using S-shaped, V-shaped, and U-shaped transfer functions to convert the canonical MFO from continuous to binary. These categories of B-MFO were evaluated on seven medical datasets and the results were compared with four well-known binary metaheuristic optimization algorithms: BPSO, bGWO, BDA, and BSSA. In addition, the convergence behavior of the B-MFO and comparative algorithms were assessed, and the results were statistically analyzed using the Friedman test. The experimental results demonstrate a superior performance of B-MFO in solving the feature selection problem for different medical datasets compared to other comparative algorithms.

show abstract

A Chaotic Binary Salp Swarm Algorithm for Solving the Graph Coloring Problem

Cited by 22 publications

References 31 publications

Tối ưu chi phí xây dựng mạng lưới thoát nước thải sinh hoạt sử dụng trí tuệ nhân tạo

Tối ưu chi phí xây dựng mạng lưới thoát nước thải sinh hoạt sử dụng trí tuệ nhân tạo

A Modified Salp Swarm Optimization Algorithm Based on the Load Frequency Control of Multiple-Source Power System

B-MFO: A Binary Moth-Flame Optimization for Feature Selection from Medical Datasets

Contact Info

Product

Resources

About