数値的および工学的最適化問題に対する花火アルゴリズムを備えたハイブリッド貪欲ポリティカル オプティマイザー

Scientific Reports volume 12、記事番号: 13243 (2022) この記事を引用

1148 アクセス

3 引用

1 オルトメトリック

メトリクスの詳細

この論文では、数値的および工学的な最適化問題を解決するために、ポリティカル オプティマイザー (PO) と花火アルゴリズム (FWA) を統合する、GPOFWA と呼ばれる新しいハイブリッド最適化アルゴリズムを提案します。 オリジナルの PO は、党首や選挙区の勝者などのサブグループ最適解を使用して、検索エージェントの動きをガイドします。 しかし、そのようなサブグループ最適解の数は限られており、PO のグローバル探索能力が不十分になります。 さらに、PO の最近の過去ベースの位置更新戦略 (RPPUS) には、更新された候補解の効果的な検証が欠けており、アルゴリズムの収束速度が低下します。 提案されたハイブリッドアルゴリズムは、FWAのスパーク爆発メカニズムを使用して、貪欲戦略に基づいてサブグループ最適解（党首と選挙区勝者）に対してそれぞれ爆発スパーク操作とガウス爆発スパーク操作を実行します。これにより、サブグループ最適解が最適化され、搾取能力が強化されます。アルゴリズムの。 さらに、ガウス爆発スパークは、RPPUS 後の候補解を修正するためにも使用され、元の PO の欠点を補います。 さらに、双方向の考慮に基づくコンバージド モバイル センター (CMC) と呼ばれる新しいサブグループ最適ソリューションは、検索エージェントの移動をガイドし、人口の多様性を維持するように設計されています。 30 のよく知られたベンチマーク関数、CEC2019 ベンチマーク関数、および 3 つのエンジニアリング最適化問題で、提示されたハイブリッド アルゴリズムをテストします。 実験結果は、得られるソリューションの品質の点で、GPOFWA が多くの最先端の方法よりも優れていることを示しています。

最適化は、決定空間 1 の制約を満たしながら目的関数の値を最小化または最大化するための決定変数を決定するために使用される数値プロセスです。 現実世界の多くのアプリケーションでは最適化問題は避けられませんが、これらの問題には通常、非線形の目的関数と、複数の局所最適な制約と実現可能性の低い領域が含まれます2。 これらの複雑な機能により、共役勾配、逐次二次計画法、ニュートン法、準ニュートン法などの従来の数学的計画法では最適値を見つけることが困難になります3。 メタヒューリスティック アルゴリズム (MA) は、さまざまな最適化問題において決定論的アルゴリズムよりもパフォーマンスが高く、必要な計算能力と時間が少ないため、ここ数十年で多くの応用分野で普及してきました4,5,6,7,8,9,10,11。 12. ランダム最適化の 1 つの分野として、メタヒューリスティック アルゴリズムは、利用可能なリソースを使用して最適に近い解決策を見つけることができますが、大域的な最適値を見つけることが常に保証されているわけではありません。 ほとんどの MA は、人間の知性、生物学的集団の社会的性質、自然現象の法則からインスピレーションを受けています。 MA の古典的な代表例としては、遺伝的アルゴリズム (GA)13、粒子群最適化 (PSO)14、差分進化 (DE)15、ハイイロオオカミ オプティマイザー (GWO)16、ハリスホークス オプティマイザー (HHO)17、コウモリ アルゴリズム (BA) などがあります。 )18、クジラ最適化アルゴリズム (WOA)19、塩水群アルゴリズム (SSA)20、サインコサインアルゴリズム (SCA)21、水循環アルゴリズム (WCA)22 などは、いくつかの複雑な最適化問題を解決するためにうまく使用されています。

ただし、No Free Lunch (NFL) 定理は、特定のアルゴリズムですべての最適化問題を解決することは不可能であると述べています23。これは、アルゴリズムは特定の最適化問題には適していますが、異なる特性を持つ別の最適化問題には適さない可能性があることを意味します。 したがって、さまざまな最適化問題に対処するには、MA に関するさらなる研究が必要です。 MA の研究方向には、新しいアルゴリズムの提案、既存のアルゴリズムの改善、異なるアルゴリズムのハイブリッド化が含まれます。 異なるアルゴリズムをハイブリッド化すると、それぞれの利点が強調され、アルゴリズムのパフォーマンスが向上するため、注目を集めています。 Wang らによって提案された微分進化と粒子群最適化のハイブリッド化 24、Li らによって提案された微分進化とサイン・コサイン アルゴリズムのハイブリッド化 25、によって提案されたハイイロオオカミ オプティマイザーと粒子群のハイブリッド化など、さまざまなハイブリッド アルゴリズムが良好な結果を達成しています。張ら26． 花火アルゴリズム (FWA) は、新しく開発された群知能最適化アルゴリズムであり、2010 年に実際の花火の爆発と大量の火花の生成のプロセスをシミュレートすることによって提唱されました 27。花火が爆発すると、火花があらゆる場所に飛び散ります。 花火の爆発過程は、ローカル空間における探索エージェントの探索行動とみなすことができる。 FWA の主なアイデアは、最適化関数の実行可能な空間を検索するためのさまざまな種類のソリューションとして花火と火花を使用することです。 FWAは優れたアルゴリズムとして、近年他の多くのアルゴリズムとのハイブリッド化に使用されています。 Zhu et al.28 は、花火アルゴリズムと粒子群アルゴリズムをハイブリッドして DFWPSO を形成しました。これは、数値最適化問題において競合的かつ効果的に実行されました。 Yue ら 29 は、ハイイロオオカミ オプティマイザーと花火アルゴリズムに基づいた FWGWO と呼ばれる新しいハイブリッド アルゴリズムを提案し、大域最適化で優れた結果を達成しました。 Guo ら 30 は、2019 年に花火アルゴリズムに微分進化演算子を追加し、微分進化演算子 (HFWA_DE) を備えたハイブリッド花火アルゴリズムを提案しました。 Zhang ら 31 は、情報を強化するために生物地理ベースの最適化の移行演算子を花火アルゴリズムに導入しました。集団間で共有し、地球規模の最適化のためのハイブリッド生物地理学ベースの最適化と花火アルゴリズムを提示しました。