• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Saudi Journal of Biological Sciences >A novel comprehensive learning artificial bee colony optimizer for dynamic optimization biological problems
【2h】

A novel comprehensive learning artificial bee colony optimizer for dynamic optimization biological problems

机译：一种用于动态优化生物学问题的新型综合学习型人工蜂群优化器

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

There are many dynamic optimization problems in the real world, whose convergence and searching ability is cautiously desired, obviously different from static optimization cases. This requires an optimization algorithm adaptively seek the changing optima over dynamic environments, instead of only finding the global optimal solution in the static environment. This paper proposes a novel comprehensive learning artificial bee colony optimizer (CLABC) for optimization in dynamic environments problems, which employs a pool of optimal foraging strategies to balance the exploration and exploitation tradeoff. The main motive of CLABC is to enrich artificial bee foraging behaviors in the ABC model by combining Powell’s pattern search method, life-cycle, and crossover-based social learning strategy. The proposed CLABC is a more bee-colony-realistic model that the bee can reproduce and die dynamically throughout the foraging process and population size varies as the algorithm runs. The experiments for evaluating CLABC are conducted on the dynamic moving peak benchmarks. Furthermore, the proposed algorithm is applied to a real-world application of dynamic RFID network optimization. Statistical analysis of all these cases highlights the significant performance improvement due to the beneficial combination and demonstrates the performance superiority of the proposed algorithm.
机译：现实世界中存在许多动态优化问题，需要谨慎地进行收敛和搜索，这与静态优化情况明显不同。这要求优化算法自适应地在动态环境中寻找变化的最优值，而不是仅在静态环境中找到全局最优解。本文提出了一种用于动态环境问题优化的新型综合学习型人工蜂群优化器（CLABC），该优化器采用了最佳觅食策略池来平衡勘探与开发权衡。 CLABC的主要动机是通过结合鲍威尔的模式搜索方法，生命周期和基于交叉的社会学习策略来丰富ABC模型中的人工蜜蜂觅食行为。所提出的CLABC是一个更像蜜蜂一样真实的模型，蜜蜂可以在整个觅食过程中动态繁殖和死亡，并且种群数量会随着算法的运行而变化。评估CLABC的实验是在动态移动峰值基准上进行的。此外，将所提出的算法应用于动态RFID网络优化的实际应用。对所有这些情况的统计分析突出显示了由于有益组合而带来的显着性能改进，并证明了所提出算法的性能优越性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

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