人工智能算法之金鹰优化算法.pdf

人工智能算法之金鹰优化算法.pdf
该文档是一篇关于“金鹰优化器:一种自然启发式元启发式算法”的论文预校样。该论文提出了一种新的基于群体的元启发式算法,用于解决全局优化问题,称为金鹰优化器 (GEO)。GEO 的核心灵感来自金鹰在不同狩猎阶段调整螺旋轨迹速度的智慧。金鹰在狩猎初期表现出更大的巡航和搜寻猎物的倾向,而在最后阶段则更倾向于攻击。金鹰会调整这两个组成部分,以便在最短的时间内捕获可行区域内最好的猎物。这种行为被数学建模,以突出全局优化方法的探索和利用。 该论文首先介绍了 GEO 算法的灵感来源和数学模型,详细描述了 GEO 算法的步骤。然后,通过33个基准测试函数和一个可扩展性测试,验证了该算法的性能。结果与六种其他已知的算法进行了比较,结果表明 GEO 具有优越性,表明它可以有效地找到全局最优值并避免局部最优值。 该论文还提出了多目标金鹰优化器 (MOGEO) 来解决多目标问题。MOGEO 的性能也在十个多目标基准函数上进行了测试和验证。结果与另外两种多目标算法进行了比较,结果表明,与另外两种算法相比,它可以更好地逼近真正的帕累托最优解。该论文还提供了 GEO 和 MOGEO 的软件(工具箱)和源代码,这些代码都是公开可用的。 为了便于 GEO 和 MOGEO 算法的实现,开发了独立的开源 MATLAB 工具箱。 文章最后通过实际工程案例,证明了GEO算法在实际应用中的价值。
在线阅读 下载完整报告 | 2.92 MB | 60页
阅读和下载会消耗积分;登录、注册、邀请好友、上传报告可获取积分。
成为VIP会员可免费阅读和下载报告