A Novel Restart Strategy for Solving Complex Multi-modal Optimization Problems Using Real-Coded Genetic Algorithm

Das, Amit Kumar; Pratihar, Dilip Kumar

doi:10.1007/978-3-319-76348-4_4

Cited by 8 publications

(4 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…(3). while iterasyon < maksimum iterasyon do (4). m ve β parametrelerinin rastgele başlat, burada 0,4 ≤ m ≤ 0,9 ve − 1,0 ≤β ≤ 1,0 (5).…”

Section: Bwoa Algoritmasınınunclassified

“…Bu kategorilerin ilk sırasında, araştırmacılar genellikle mevcut algoritmaların performansını artırmak için değiştirilmiş veya tamamen yeni stokastik operatörler kullanmaya çalışırlar. Bu operatörler arasında evrimsel operatörler [2], arama uzayını azaltma teknikleri [3] ve yeniden başlatma stratejileri [4] bulunmaktadır ve bunlar sıkça tercih edilen tekniklerdir. İkinci kategoride, çeşitli stokastik yöntemler, belirli bir türdeki problemleri çözmek için genel performansı artırmak amacıyla birleştirilir.…”

Section: Introductionunclassified

See 1 more Smart Citation

Gerçek Parametre Optimizasyonu İçin Kara Dul Örümceği Optimizasyon Algoritması

2023

IJANSER

View full text Add to dashboard Cite

Özet -Kara Dul Örümceği Optimizasyon Algoritması (BWOA), örümceklerin avlarını yakalama stratejilerinden esinlenerek geliştirilmiş bir meta-sezgisel optimizasyon algoritmasıdır. Bu algoritma, özellikle makina mühendisliği, elektrik-elektronik mühendisliği, inşaat mühendisliği, enerji-mühendisliği, endüstri mühendisliği ve görüntü işleme, ağ, çevre, robotik, planlama ve programlama, sağlık gibi araştırma konularında optimizasyon problemlerini çözmek için kullanılmaktadır. Bu çalışmada BWOA'nın performansı, çeşitli özelliklere sahip on iki farklı optimizasyon problemi üzerinde detaylı bir şekilde incelenmiş, elde edilen sonuçlar, literatürde kullanılan Genetik Algoritma (GA), Parçacık Sürüsü Optimizasyonu (PSO), Gri Kurt Optimizasyonu (GWO), Harris Şahinleri Optimizasyonu (HHO), Serçe Arama Algoritması (SSA) ve Balina Optimizasyon Algoritması (WOA) gibi altı farklı meta-sezgisel algoritmalar ile elde edilen sonuçlarla karşılaştırılmıştır. Sonuçlar, BWOA'nın diğer algoritmalara göre üstün bir performans sergilediğini açıkça ortaya koymuştur.

show abstract

“…(3). while iterasyon < maksimum iterasyon do (4). m ve β parametrelerinin rastgele başlat, burada 0,4 ≤ m ≤ 0,9 ve − 1,0 ≤β ≤ 1,0 (5).…”

Section: Bwoa Algoritmasınınunclassified

Section: Introductionunclassified

Gerçek Parametre Optimizasyonu İçin Kara Dul Örümceği Optimizasyon Algoritması

2023

IJANSER

View full text Add to dashboard Cite

show abstract

“…They use a repulsive mechanism to improve the performance of the algorithm. Amit and Dilip [6] proposed a real-coded genetic algorithm (RCGA) by using a novel restart strategy. Lin et al [22] proposed an improved differential evolution with searching pioneer in this field.…”

Section: Related Work On Pso For Mmopmentioning

confidence: 99%

Niching particle swarm optimization with equilibrium factor for multi-modal optimization

Chen

Zhong

et al. 2019

Information Sciences

View full text Add to dashboard Cite

Multi-modal optimization is an active research topic that has attracted increasing attention from evolutionary computation community. Particle swarm optimization (PSO) with niching technique is one of the most effective approaches for multi-modal optimization. However, in existing PSO with niching methods, the number of particles around different niches varies distinctly from each other, which makes it difficult for the algorithm to find high-quality solutions in all niches. To address this issue, this paper proposes a new niching PSO with equilibrium factor named E-SPSO. Different from the existing niching PSOs, the numbers of particles in different niches have been kept in balance in E-SPSO. The velocity of each particle is influenced by not only the personal best particle and the global best particle, but also an equilibrium factor (EF). By using the equilibrium factor to update the velocities of particles, the particles can be allocated uniformly among the niches. In this way, the computation resources can be assigned to the niches in a more balanced manner, so that the algorithm can gain more population diversity and find high-quality solutions in all niches. Experimental results on eleven benchmark problems show that the proposed mechanism not only increases the number of optima found, but also improves the search efficiency.

show abstract

“…Evrimsel operatörler [1], arama alanı azaltma tekniği [2] ve yeniden başlatma stratejileri [3] bu kategorinin örnekleri olarak sayılabilir. Farklı algoritmaların hibritleştirilmesi yönteminde, genel problemi çözmek adına farklı algoritmalar hibritleştirilmektedir [4]. Yeni algoritmaların tanıtımı ise araştırmacılar tarafından denenmiş ve başarılı sonuçlar almış algoritmaların tanıtılması ile ilgilidir.…”

Section: Introductionunclassified

Global Optimizasyon Problemleri için Kaotik Bonobo Algoritması

Bazna¹,

Akyol²

2021

European Journal of Science and Technology

View full text Add to dashboard Cite

ÖzOptimizasyon algoritmaları, global optimumdan feragat edilerek yaklaşık en iyi çözümü bulmayı amaçlayan algoritmalardır. Bu çalışmada incelenen Bonobo Optimizasyon (BO) Algoritması ise sürü zekasına dayanan bir algoritma olup, bonoboların sosyal davranışlarının ve üreme stratejilerinin matematiksel modellenmesine dayanmaktadır. Bonobolar, yaşadıkları topluluk içinde çeşitli büyüklük ve özelliklerde gruplar oluşturarak, farklı amaçlar için birbirlerinden ayrılıp bir süre sonra yeniden bir araya gelmektedirler. Bonoboların üreme stratejisi incelendiğinde rasgele çiftleşme, kısıtlayıcı çiftleşme, konsorsiyum ve grup dışı çiftleşme gibi dört farklı stratejiyi benimsedikleri görülmektedir. Bonoboların bu doğal davranışları çeşitli optimizasyon problemlerini çözmek için kullanılmıştır. BO'yu diğer sürü zekasına dayalı algoritmalardan ayıran en önemli özelliği ise arama ajanlarının güncelleme mekanizmaları ve bunlarla ilişkili parametreler ve çiftleşme ortaklarının seçim yöntemidir. Bu çalışmada BO incelenip, algoritmada kullanılan parametreler Chebyshev, Circle, Gauss, Iterative, Logistic ve Tent kaotik haritaları kullanılarak yeniden üretilmiştir. Performansları karşılaştırmak için sekiz adet kalite testi fonksiyonu kullanılmıştır. Buna göre kaotik haritalar kullanılarak oluşturulan yeni algoritmalardan elde edilen sonuçların, klasik BO'ya göre daha verimli olduğu görülmüştür.

show abstract

A Novel Restart Strategy for Solving Complex Multi-modal Optimization Problems Using Real-Coded Genetic Algorithm

Cited by 8 publications

References 12 publications

Gerçek Parametre Optimizasyonu İçin Kara Dul Örümceği Optimizasyon Algoritması

Gerçek Parametre Optimizasyonu İçin Kara Dul Örümceği Optimizasyon Algoritması

Niching particle swarm optimization with equilibrium factor for multi-modal optimization

Global Optimizasyon Problemleri için Kaotik Bonobo Algoritması

Contact Info

Product

Resources

About