Studium przypadku skuteczności nowych metod optymalizacji roju w porównaniu do metod znanych.
DOI:
https://doi.org/10.34767/SIMIS.2021.01.06Słowa kluczowe:
algorytm roju; wzorce; inspirowane naturą; metaheurystyka; pojedyncze obiektywne problemy optymalizacji; optymalizacja funkcji, algorytmy optymalizacjiAbstrakt
Porównianie skuteczności nowych metod optymalizacji roju w porównaniu z metodami znanymi w dziedzinie. Inspirowane naturą algorytmy metaheurystyczne stają się coraz bardziej popularne w rozwiązywaniu problemów optymalizacyjnych. Dzięki ich popularności niemal codziennie możemy zobaczyć nowe podejścia i proponowane rozwiązania. W tym artykule przedstawię porównanie, które pokaże kilka najnowszych prac z tej dziedziny w porównaniu z niektórymi algorytmami traktowanymi jako podstawa dziedziny. Głównym celem było porównanie ostatnio wprowadzonych algorytmów roju i określenie, kiedy nowe rozwiązania są faktycznie szybsze i bardziej precyzyjne. Podsumowując, czy przetestowane nowe podejścia są lepsze niż obecne, dobrze znane i ugruntowane w terenie algorytmy. Algorytmy brane pod uwagę w tej pracy to: Particle Swarm Optimization [5], Artifical Bee Colony [3], Elephant Herding Optimization [7], Whale Optimization [4] i Grasshopper Optimization [6].Algorytmy uznawane za nowe w tej dziedzinie porównano z dwoma popularnymi i dobrze znanymi algorytmami metaheurystycznymi pod względem dokładności znalezionych rozwiązań i szybkości. Zgodnie z wynikami eksperymentów większość porównywanych nowych algorytmów dawała zadowalające wyniki w użytkowaniu.
Bibliografia
J. Baumgart, Application of OFN notation in Swarm Algorithms -basic implementation problems in the R environment, 2019.
D. Karaboga and B. Basturk, “A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm,” In:Journal of global optimization39, vol. 3, pp. 459–471, 2007.
A. R. Kashani, C. V. Camp, M. Armanfar, and A. Slowik, “Whale optimization algorithm,” in Swarm Intelligence Algorithms.CRC Press,2020, pp. 323–333.
J. Kennedy and R. Eberhart, “Particle swarm optimization,”In:Proceedings of ICNN95-international conference on neural networks,vol. 4, pp. 1942–1948, 1995.
S. Łukasik, “Grasshopper optimization algorithm,” in Swarm Intelligence Algorithms. CRC Press, 2020, pp. 193–205.
N. K. Meena, J. Yang, and A. Slowik,“Elephant herding optimization,”in Swarm Intelligence Algorithms. CRC Press, 2020, pp. 149–162
