論文の概要: In Search of Excellence: SHOA as a Competitive Shrike Optimization Algorithm for Multimodal Problems
- arxiv url: http://arxiv.org/abs/2407.06219v1
- Date: Tue, 9 Jul 2024 11:19:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-10 22:22:56.667615
- Title: In Search of Excellence: SHOA as a Competitive Shrike Optimization Algorithm for Multimodal Problems
- Title（参考訳）: In Search of Excellence:SHOA as a Competitive Shrike Optimization Algorithm for Multimodal Problems
- Authors: Hanan K. AbdulKarim, Tarik A. Rashid,
- Abstract要約: 提案アルゴリズムの主なインスピレーションは、自然界におけるシロチョウの群れ行動から取られたものである。
最適化探索と利用の2つの部分は、シロイヌナズナの繁殖と食物の探索をモデル化して設計されている。
本論文は,SHOAが最適化を行うための数学的モデルである。
- 参考スコア（独自算出の注目度）: 4.939986309170004
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, a swarm intelligence optimization algorithm is proposed as the Shrike Optimization Algorithm (SHOA). Many creatures living in a group and surviving for the next generation randomly search for food; they follow the best one in the swarm, called swarm intelligence. Swarm-based algorithms are designed to mimic creatures' behaviours, but in multimodal problem competition, they cannot find optimal solutions in some difficult cases. The main inspiration for the proposed algorithm is taken from the swarming behaviours of shrike birds in nature. The shrike birds are migrating from their territory to survive. However, the SHOA mimics the surviving behaviour of shrike birds for living, adaptation, and breeding. Two parts of optimization exploration and exploitation are designed by modelling shrike breeding and searching for foods to feed nestlings until they get ready to fly and live independently. This paper is a mathematical model for the SHOA to perform optimization. The SHOA benchmarked 19 well-known mathematical test functions, 10 from CEC-2019, and 12 from CEC-2022 most recent test functions, a total of 41 competitive mathematical test functions benchmarked and four real-world engineering problems with different conditions, both constrained and unconstrained. The statistical results obtained from the Wilcoxon sum ranking and Fridman test show that SHOA has a significant statistical superiority in handling the test benchmarks compared to competitor algorithms in multi-modal problems. The results for engineering optimization problems show the SHOA outperforms other nature-inspired algorithms in many cases.
- Abstract（参考訳）: 本稿では,Shrike Optimization Algorithm (SHOA) として群知能最適化アルゴリズムを提案する。
群れの中で生き、次の世代に生き残る多くの生物はランダムに食料を探し、群れの中で最高の生物を追いかけ、群れ知性(swarm intelligence)と呼ばれる。
スワムベースのアルゴリズムは生物の行動を模倣するように設計されているが、マルチモーダルな問題競合では、いくつかの難しいケースでは最適解を見つけることができない。
提案アルゴリズムの主なインスピレーションは、自然界におけるシロチョウの群れ行動から取られたものである。
鳥は生き残るために自分の領土から移住しています。
しかし、SHOAは生き、適応、繁殖のためのシロイヌナギの生き残りを模倣している。
最適化探索と搾取の2つの部分は、シロイヌナギの繁殖をモデル化し、単独で飛行し生活する準備が整うまで、巣作りの餌を探すことによって設計されている。
本論文は,SHOAが最適化を行うための数学的モデルである。
SHOAは、CEC-2019から10、CEC-2022から12のよく知られた数学的なテスト関数をベンチマークし、41の競争力のある数学的なテスト関数をベンチマークし、異なる条件の4つの実世界の工学的問題を制約付きと非制約で比較した。
Wilcoxon sum ranking と Fridman test から得られた統計結果は、SHOA がマルチモーダル問題における競合アルゴリズムと比較してテストベンチマークの処理において有意な統計的優位性を持っていることを示している。
工学最適化問題の結果は、SHOAが他の自然に着想を得たアルゴリズムよりも優れていることを示している。
関連論文リスト
- ORS: A novel Olive Ridley Survival inspired Meta-heuristic Optimization Algorithm [2.4343652794054487]
オリーブ・リドリー・サバイバル(Olive Ridley Survival、ORS)は、オリーブ・リドリーウミガメのハッチリングが直面する生存課題から着想を得たものである。
ORSには、環境因子によるハッチリングと、その生存に対する運動軌道の影響の2つの主要な段階がある。
このアルゴリズムを検証するために、標準CECテストスイートから14の数学的ベンチマーク関数を評価し、統計的に検証した。
論文 参考訳（メタデータ） (2024-09-13T21:48:05Z) - Optimistic Active Exploration of Dynamical Systems [52.91573056896633]
我々はOPAXと呼ばれる活発な探索のためのアルゴリズムを開発した。
我々は,OPAXを各エピソードで解決可能な最適制御問題に還元する方法を示す。
実験の結果,OPAXは理論的に健全であるだけでなく,新規な下流タスクのゼロショット計画にも有効であることがわかった。
論文 参考訳（メタデータ） (2023-06-21T16:26:59Z) - HARRIS: Hybrid Ranking and Regression Forests for Algorithm Selection [75.84584400866254]
両アプローチの強みを両アプローチの弱さを緩和しつつ組み合わせ, 特殊林を利用した新しいアルゴリズムセレクタを提案する。
HARRISの決定は、ハイブリッドランキングと回帰損失関数に基づいて最適化された木を作成する森林モデルに基づいている。
論文 参考訳（メタデータ） (2022-10-31T14:06:11Z) - Introductory Studies of Swarm Intelligence Techniques [1.2930503923129208]
群れ知能は、個体の集団的研究と、群れの知的行動につながる相互相互作用を含む。
この章では、様々な人口ベースのSIアルゴリズム、基本構造、数学的モデルについて紹介している。
論文 参考訳（メタデータ） (2022-09-26T16:29:55Z) - Fast Bayesian Optimization of Needle-in-a-Haystack Problems using
Zooming Memory-Based Initialization [73.96101108943986]
Needle-in-a-Haystack問題は、データセットのサイズに対して最適な条件が極端に不均衡であるときに発生する。
本稿では,従来のベイズ最適化原理に基づくズームメモリに基づく初期化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-08-26T23:57:41Z) - Non-Elitist Selection Can Improve the Performance of Irace [0.8258451067861933]
本研究では,旅行セールスパーソン問題に対するアリコロニー最適化アルゴリズムのチューニング方法と2次代入問題について検討する。
実験結果から, テストベンチマークでは, iraceの既定選択よりも改善が見られた。
さらに, この結果から, アルゴリズムの動作を理解するため, 多様なアルゴリズム構成が得られることが示唆された。
論文 参考訳（メタデータ） (2022-03-17T10:34:30Z) - Duck swarm algorithm: theory, numerical optimization, and applications [6.244015536594532]
本研究では,Duck Swarm Algorithm (DSA) という,群知能に基づく最適化アルゴリズムを提案する。
2つのルールは、提案されたDSAの探索と利用段階に対応するアヒルの餌の発見と採餌からモデル化される。
その結果, DSAは収束速度と探索・探索のバランスの観点から, 高性能な最適化手法であることがわかった。
論文 参考訳（メタデータ） (2021-12-27T04:53:36Z) - The Archerfish Hunting Optimizer: a novel metaheuristic algorithm for
global optimization [0.8315801422499861]
グローバル最適化は、目的関数を最小化することにより、現実の問題を数値的にあるいは分析的に解決する。
我々はArcherfish Hunting (AHO)に基づくグローバルメタヒスティックアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-03T16:22:31Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z) - AdaLead: A simple and robust adaptive greedy search algorithm for
sequence design [55.41644538483948]
我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。
AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
論文 参考訳（メタデータ） (2020-10-05T16:40:38Z) - Self-Directed Online Machine Learning for Topology Optimization [58.920693413667216]
自己指向型オンライン学習最適化は、ディープニューラルネットワーク(DNN)と有限要素法(FEM)計算を統合している。
本アルゴリズムは, コンプライアンスの最小化, 流体構造最適化, 伝熱促進, トラス最適化の4種類の問題によって検証された。
その結果, 直接使用法と比較して計算時間を2～5桁削減し, 実験で検証した全ての最先端アルゴリズムより優れていた。
論文 参考訳（メタデータ） (2020-02-04T20:00:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。