• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2016 5th International Conference on Informatics, Electronics and Vision >A comparative study on prominent nature inspired algorithms for function optimization
【24h】

A comparative study on prominent nature inspired algorithms for function optimization

机译：功能优化中突出自然启发算法的比较研究

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Optimization includes finding best available values of some objective function given a defined domain. Function optimization (FO) is the well-studied continuous optimization task which aim is to find best suited parameter values to get optimal value of a function. A number of techniques have been investigated in last few decades to solve FO and recently Nature Inspired Algorithms (NIAs) become popular to solve it. The objective of this study is to draw a fair comparison among prominent NIAs in solving benchmark test functions. Algorithms we selected are Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Artificial Bee Colony (ABC) optimization, Firefly Algorithm (FFA), Cuckoo Search Optimization (CSO), Group Search Optimization (GSO) and Grey Wolf Optimizer (GWO). Among the methods, GA is the pioneer method for optimization, PSO is the most popular in recent time and GWO is the most recently developed method. Experimental results revealed that GWO is the overall best method among the NIAs and PSO is still promising to solve bench mark functions.
机译：优化包括在给定域的情况下找到某些目标函数的最佳可用值。函数优化（FO）是经过充分研究的连续优化任务，旨在找到最合适的参数值以获得函数的最优值。在过去的几十年中，已经研究了许多解决FO的技术，并且最近受到自然启发算法（NIA）的欢迎。这项研究的目的是在解决基准测试功能方面对著名的NIA进行公平的比较。我们选择的算法是遗传算法（GA），粒子群优化（PSO），人工蜂群（ABC）优化，萤火虫算法（FFA），布谷鸟搜索优化（CSO），组搜索优化（GSO）和灰狼优化器（GWO ）。在这些方法中，GA是最先进行优化的方法，PSO是最近最流行的方法，而GWO是最近开发的方法。实验结果表明，GWO是NIA中总体上最好的方法，而PSO仍有望解决基准功能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号