TOPSIS-like metaheuristic for LABS problem
本文提出一种受TOPSIS启发的社会认知变异算子，通过追随最优解和避开最差解来改善LABS问题的优化性能，实验证明其优于基础算法。
2025-11-08 cs.NE math.OC
Nature-Inspired Algorithms in Optimization: Introduction, Hybridization and Insights
Middlesex University London（伦敦密德萨斯大学）
本章概述了优化问题及自然启发式元启发式算法，探讨了算法混合的作用与相关问题，并强调了基准测试在评估优化算法性能中的重要性。
2023-08-30 cs.AI cs.NE math.OC
Efficiency Analysis of Swarm Intelligence and Randomization Techniques
群体智能已经成为解决设计和调度任务的强大技术。元启发式算法是这种范式的一个组成部分，粒子群优化算法通常被视为一个重要的里程碑。基于群的算法的出色性能和效率激发了许多新的发展，尽管元计算的数学理解仍然是一个谜。与经典的确定性算法相比，诸如PSO之类的元算法总是使用某种形式的随机性，并且这种随机化现在使用各种技术。本文旨在回顾和分析与元算法相关的一些收敛性和效率，如萤火虫算法，随机游动，和Lévy飞行。我们将讨论如何使用这些技术及其对进一步研究的影响。
2013-03-25 math.OC
Firefly Algorithms for Multimodal Optimization
受自然启发的算法是最强大的优化算法之一。本文旨在提供一个新的萤火虫算法（FA）的多峰优化应用程序的详细描述。我们将比较建议萤火虫算法与其他元启发式算法，如粒子群优化（PSO）。仿真结果表明，萤火虫算法优于现有的元启发式算法。最后，我们将讨论它的应用和进一步研究的意义。
2010-03-07 math.OC
Firefly Algorithm: Recent Advances and Applications
Middlesex University（密德萨斯大学）；Xi’an Polytechnic University（西安工程大学）
自然启发式算法，特别是基于群体智能的算法，在过去的十年里引起了人们的广泛关注。萤火虫算法出现在大约五年前，它的文献已经急剧扩大与多样化的应用。在本文中，我们将简要回顾萤火虫算法的基本原理以及最近的出版物的选择。然后，我们讨论了与平衡探索和开发，这是必不可少的所有元启发式算法的最优性。通过与间歇搜索策略的比较，我们得出萤火虫算法等元算法优于最优间歇搜索策略的结论。我们还分析了高维最优化问题的算法及其影响。
2013-08-18 cs.AI math.OC
A vehicle routing problem for biological sample transportation in healthcare: mathematical formulations and a metaheuristic approach
在本文中，一个现实世界中的运输问题的解决，关于收集和运输的生物样本管从采样点的主要医院。血液和其他生物样本在早上在不同的中心收集。然后，由分布在不同地理位置的车队将样本运送到主要医院进行分析。每个样本都有一个有限的寿命，必须在此时间内到达主要医院。如果样本不能在生命周期内到达医院，要么被丢弃，要么必须在称为辐条中心的专用设施中进行处理。两个混合线性规划公式和自适应大邻域搜索（ALNS）元启发式算法已被开发的问题。不同的实例集的基础上提供的真实生活中的数据，意大利博洛尼亚的地方医疗保健管理局的计算实验。通过对小样本问题的求解结果与最优解的比较，验证了算法的有效性。在现实生活中的实例中，不同的样本的策略进行了评估。结果表明，ALNS算法能够找到所有样本都按时交付的解决方案，而在实际情况下，大约40%的样本[5]延迟交付。
2021-03-12 math.CO math.OC physics.soc-ph
Firefly Algorithm, Levy Flights and Global Optimization
自然启发的算法，如粒子群优化和萤火虫算法是最强大的优化算法之一。在本文中，我们打算制定一个新的元启发式算法相结合的Levy航班的搜索策略，通过萤火虫算法。数值研究和结果表明，建议的Levy飞行萤火虫算法优于现有的元启发式算法。最后将讨论进一步研究和更广泛的应用的影响。
2010-03-07 math.OC
Metaheuristic Algorithm for Constrained Optimization in Radiation Therapy Treatment Planning: Design and Performance Comparison
本研究探讨了放射治疗计划中的约束优化问题，设计并比较了BSO、BFA和ABC三种元启发式算法，发现BFA在执行时间和收敛能力上表现更优，为提升RT治疗计划效能提供了优化方法。
2024-01-16 math.OC physics.med-ph
Dynamic Exploitation Gaussian Bare-Bones Bat Algorithm for Optimal Reactive Power Dispatch to Improve the Safety and Stability of Power System
提出了一种求解无功优化调度（ORPD）问题的新的高斯骨架蝙蝠算法（GBBBA）及其改进算法--动态开发高斯骨架蝙蝠算法（DeGBBBA）。无功优化调度是保证电力系统稳定、安全、可靠和经济运行的基础。ORPD问题是一个复杂的非线性混合整数优化问题，包括离散和连续的控制变量。蝙蝠算法（Bat algorithm，BA）是一种模拟蝙蝠回声定位的超启发式算法，在求解各种优化问题时，其性能优于其他一些超启发式算法。然而，标准的BA可能无法平衡探索和开发的一些优化问题，因此它可能经常陷入局部最优。建议GBBBA采用高斯分布在更新蝙蝠的位置，努力减轻与标准BA的过早收敛问题。GBBBA利用高斯采样的优势，从探索开始，并继续开发。DeGBBBA是GBBBA的一个高级变体，其中引入了修改的高斯分布，以便允许在所提出的算法中动态适应开发和利用。GBBBA和DeGBBBA都用于确定发电机母线电压、分接头整定Transformers和并联无功源的最佳设置，以最小化有功功率损耗、总电压偏差和电压稳定指标。仿真结果表明，GBBBA和DeGBBBA算法在求解ORPD问题时具有较好的鲁棒性和有效性.
2021-12-13 cs.SY eess.SY math.OC
Markowitz-based cardinality constrained portfolio selection using Asexual Reproduction Optimization (ARO)
当考虑基数约束时，基于Markowitz的投资组合选择问题转化为NP-难问题。在这种情况下，现有的精确解，如二次规划可能无法有效地解决这个问题。因此，许多研究人员使用启发式和元启发式方法来处理这个问题。本文提出了一种受无性繁殖启发的无模型元启发式算法--无性繁殖优化算法（ARO），用于解决投资组合最优化问题，该问题包含基数约束和边界约束，基数约束保证投资于给定数量的不同资产，边界约束限制投资于每种资产的资金比例。这是第一次，这种相对较新的元启发式是在投资组合优化领域，我们表明，ARO结果在更好的质量解决方案相比，一些著名的元启发式文献中所述。为了验证我们提出的算法，我们测量了标准有效边界的偏差所获得的结果。我们报告我们的计算结果，一组公开的基准测试问题，包含31，85，89，98和225资产的五个主要市场指数。这些结果是用来测试我们提出的方法相比，其他现有的元启发式解决方案的效率。实验结果表明，ARO算法在大多数测试问题上优于遗传算法、禁忌搜索、模拟退火和粒子群优化算法。在所获得的误差方面，通过使用ARO，上述测试问题的平均误差减少了上述算法计算的最小平均误差的约20%。
2021-01-14 math.OC
Bat Algorithm: A Novel Approach for Global Engineering Optimization
自然启发算法是最强大的优化算法之一。在这项研究中，一个新的自然启发式优化算法，称为蝙蝠算法（BA），介绍了解决工程优化任务。提出的BA是基于蝙蝠的回声定位行为。经过详细的制定和解释其实施，BA验证使用八个非线性工程最优化问题在专业文献中报道。BA已经认真执行，并对八项知名优化任务进行了优化。然后，将该算法与现有的其他算法进行了比较.该算法得到的最优解优于现有方法得到的最优解。分析了BA中使用的独特搜索功能，并详细讨论了它们对未来研究的影响。
2012-11-28 math.OC
An Improved Discrete Bat Algorithm for Symmetric and Asymmetric Traveling Salesman Problems
Deusto Institute of Technology (DeustoTech)（德乌斯托技术学院（DeustoTech））；University of Deusto（德乌斯托大学）
蝙蝠算法是2010年提出的一种基于微蝙蝠回声定位或生物声纳特性的群体元启发式算法。自其第一次实现以来，蝙蝠算法已被用于广泛的领域。在本文中，我们提出了一个离散版本的蝙蝠算法来解决著名的对称和非对称旅行商问题。此外，我们提出了一个改进的基本结构的经典蝙蝠算法。为了证明我们的建议是一个很有前途的近似方法，我们比较了它的性能在37个实例中得到的结果由五种不同的技术：进化模拟退火，遗传算法，基于岛的分布式遗传算法，离散萤火虫算法和帝国主义的竞争算法。为了获得公平和严格的比较，我们进行了三个不同的统计测试沿纸：学生的$t$ -测试，霍尔姆的测试，和弗里德曼测试。我们还比较了我们的建议所示的进化模拟退火，和离散萤火虫算法的收敛行为。在这项研究中进行的实验表明，提出的改进蝙蝠算法优于所有其他替代品在大多数情况下显着。
2016-04-14 cs.AI cs.NE math.OC
A Novel Fully Informed Water Cycle Algorithm for Solving Optimal Power Flow Problems in Electric Grids
最优潮流（OPF）是电网规划和运行的重要工具。线流约束、发电机负荷效应、分段费用函数、排放和电压质量成本使得最优化模型非凸且求解计算繁琐。解决问题的元启发式技术已经成为一个很有前途的解决方案，以解决复杂的最优潮流问题。近年来，水循环算法（WCA）被提出来用于求解最优化问题，它是一种基于水循环过程观测和地表径流模型的方法。提出了一种改进的WCA算法，该算法利用个体之间共享全局和局部信息的概念，提高了WCA算法的开发能力。所谓的完全知情的WCA（FIWCA）进行测试，对标准的WCA和其他元启发式技术在IEEE 30和57总线系统的各种情况下的文献研究。比较和讨论文献中研究的元分析方法的性能和可靠性。优化结果表明，与WCA算法和其他算法相比，FIWCA算法具有更好的性能，特别是在重复次数的稳定性方面。因此，它成为一个工具，解决OPF在一个可靠和有效的方式。
2019-09-19 cs.SY eess.SY math.OC
Adaptive Model Refinement with Batch Bayesian Sampling for Optimization of Bio-inspired Flow Tailoring
University at Buffalo（布法罗大学）
本文提出了一种改进的方法，用于模型独立的基于代理的优化与自适应批量采样，称为自适应模型精化（AMR）。虽然原始AMR方法提供了关于“何时”采样和添加“多少”样本的唯一决策（以保持优化搜索过程的可信度），但它没有提供在设计变量空间中“何处”采样的具体方向。因此，本文介绍的能力，以确定最佳位置，以添加新的样本。填充点的位置是通过整合从贝叶斯优化采用的基于高斯过程的标准（“q-EI”）来决定的。考虑惩罚项以减轻样品之间的相互作用（在批次中）对于将q-EI标准有效整合到AMR中至关重要。新的AMR方法，称为AMR与惩罚批量贝叶斯采样（AMR-PBS）的测试基准函数，表现出更好的性能相比，贝叶斯EGO。此外，它还成功地应用于设计用于生物启发被动流动控制的表面沟槽（其中高保真度样本由昂贵的RANS CFD模拟给出），导致在相应的基线（即，无条纹空气动力表面）。
2019-05-31 cs.LG cs.NE math.OC
Halfway Escape Optimization: A Quantum-Inspired Solution for General Optimization Problems
School of AI and Advanced Computing, Xi’an Jiaotong-Liverpool University（西交利物浦大学人工智能与高级计算学院）；School of Engineering and Technology, Sunway University（双威大学工程与技术学院）
本文提出量子启发的Halfway Escape Optimization (HEO)算法，通过模拟隧穿与纠缠效应解决一般优化问题，在基准测试与工程设计中验证了其有效性，并在水稻分类中取得更高准确率。
2024-09-24 cs.AI cs.NE math.OC
Parameter identification of lithium-ion batteries: a comparative study of various models and optimization techniques for battery modeling
本文比较了不同优化技术在锂离子电池等效电气模型参数识别中的性能，发现生物启发式方法在精度和效率上表现更优。
2025-12-02 math.OC
A Bare Bones Grey Wolf Optimizer for Global Numerical Optimization
为了更好地理解和分析目前广泛使用的基于种群的元启发式优化算法，本文提出了一种新的计算智能算法--裸骨灰狼优化算法（BBGWO）。在BBGWO中，解的复杂更新机制被一个服从正态分布的随机向量所取代，其均值和方差是通过理论上研究原始GWO新解的概率分布得到的.相应的理论分析和仿真结果验证了BBGWO算法良好的优化性能。
2021-05-07 math.OC
Underdamped Particle Swarm Optimization
提出融合欠阻尼系统动态与 PSO 的 UEPS 元启发式算法，使粒子在探索与开发间动态切换、越过局部最优，并在基准函数和工程问题上验证其鲁棒性与效率。
2025-03-14 cs.NE math.OC
Drone Squadron Optimization: a Self-adaptive Algorithm for Global Numerical Optimization
本文提出了无人机中队优化，一个新的自适应元启发式全局数值优化，在线更新的超启发式。DSO是一种受人工制品启发的技术，与当今使用的许多受自然启发的算法相反。DSO非常灵活，因为它与行为或自然现象无关。DSO有两个核心部分：半自主无人机飞越景观进行探索，指挥中心处理检索到的数据，并在必要时更新无人机的固件。DSO在这项工作中的自适应方面是扰动/运动方案，这是用于生成目标坐标的过程。该程序由指挥中心在全局优化过程中进行改进，以使DSO适应搜索环境。DSO是根据一套广泛采用的基准函数进行评估的。结果的统计分析表明，该方法是有竞争力的，与其他方法的比较，性能是有前途的，但一些未来的改进计划。
2017-03-14 cs.NE math.OC
Exploring the non-convexity in machine learning using quantum-inspired optimization
BosonQ Psi (BQP)（BosonQ Psi（BQP））
本文提出基于量子启发式优化的统一框架，解决高维非凸优化问题，提升稀疏信号恢复和鲁棒回归的性能。
2026-05-08 cs.AI cs.CE cs.LG
Exploration Enhancement of Nature-Inspired Swarm-based Optimization Algorithms
受自然启发的基于群体的算法已经被广泛应用于解决许多学科中的高维和复杂的最优化问题。它们是通用的优化算法，易于使用和实现，灵活且无限制。这些算法的一个共同缺点是过早收敛，并且找到的解不是全局最优值。本文给出了算法几乎处处收敛的充分条件。达到全局最优值。然后，我们提出了一个通用的，简单而有效的策略，称为扰动投影（PP），以提高算法的探索能力，使我们的收敛条件得到保证。我们使用三种广泛使用的自然启发的基于群的优化算法：粒子群优化（PSO），蝙蝠算法（BAT）和竞争性群优化（CSO）来说明这种方法。大量的数值实验表明，增强PP策略的三个算法中的每一个都在许多显着的方式优于原始版本。
2021-03-20 math.OC
Convergence of Anisotropic Consensus-Based Optimization in Mean-Field Law
本文研究了各向异性基于共识的优化（CBO）方法，证明了其在极小初始化假设下能以与维度无关的速率全局收敛，并揭示了智能体趋于无穷时CBO对优化问题的凸化机制。
2024-03-23 cs.NA math.AP math.NA
Universe-inspired algorithms for Control Engineering: A review
本文综述了受宇宙引力等机制启发的控制与优化算法，分析了91篇文献中多种算法的变体及其在动态系统控制中的应用，指出其在工程中优于传统算法的潜力，并展望了控制与天体物理学结合的未来方向。
2024-05-31 math.OC
Bat Algorithm: Literature Review and Applications
Middlesex University（密德萨斯大学）
蝙蝠算法（BA）是Yang在2010年开发的一种生物启发算法，BA被发现非常有效。因此，在过去三年中，文献显著增加。本文提供了一个及时的审查蝙蝠算法及其新的变种。这里还简要回顾和总结了各种不同的应用和案例研究。进一步的研究课题也进行了讨论。
2013-08-18 cs.AI math.OC
Simulated Tornado Optimization
Sahand University of Technology（萨汉德理工大学）；University of Mohaghegh Ardabili（莫哈格赫·阿尔达比里大学）；Urmia University of Technology（乌尔米亚理工大学）
我们提出了一个基于群体的优化算法的灵感来自龙卷风的气流。两个主要的气流-螺旋和上升气流-被模仿。螺旋运动的目的是探索新的搜索区域和上升气流运动部署利用一个有前途的候选解决方案。该算法在每次迭代中只为每个粒子分配一个搜索方向，从而降低了传统算法的计算复杂性。无论步长参数如何，所提出的算法的唯一参数，称为龙卷风直径，可以通过随机化有效地调整。六个不同的基准费用函数的数值结果表明可比的，在某些情况下，更好的性能，所提出的算法相对于其他一些元分析。
2016-12-31 cs.AI cs.NE math.OC
Bat Algorithm for Multi-objective Optimisation
工程优化问题是一个多目标、多学科、多约束的复杂问题，求解这些复杂问题需要高效的优化算法。最近，Xin-She Yang提出了一种蝙蝠启发的算法，用于解决非线性全局优化问题。在本文中，我们将此算法扩展到解决多目标优化问题。提出的多目标蝙蝠算法（MOBA）的第一次验证对一个子集的检验函数，然后应用于解决多目标设计问题，如焊接梁设计。仿真结果表明，该算法的工作效率。
2012-03-29 math.OC
A Novel Virus Diffusion Optimization (VDO) Algorithm for Global Optimization
针对元启发式算法早熟收敛、大规模搜索下性能下降等问题，提出受疱疹病毒启发的VDO算法，融合四种生物策略平衡探索与开发，在CEC基准测试中性能优于现有方法，源代码已公开。
2025-10-28 math.OC
Micro-Macro Decomposition of Particle Swarm Optimization Methods
针对非凸极小化问题，提出结合精确惩罚法处理约束的粒子群优化改进方法，引入微观-宏观分解将粒子概率密度分为两部分分别传播并动态更新，通过数值算例验证其效果。
2025-08-20 math.OC
Swarm-based optimization with jumps: a kinetic BGK framework and convergence analysis
Maxwell Institute for Mathematical Sciences and Department of Mathematics, School of Mathematical and Computer Sciences (MACS), Heriot-Watt University（赫瑞-瓦特大学数学与计算机科学学院数学系麦克斯韦数学科学研究所）；University of Ferrara（费拉拉大学）
本文提出一种基于粒子的优化算法，通过随机跳跃更新速度，结合BGK型动能建模，适用于非凸非光滑问题，证明了在高斯噪声下收敛到极小值的性质。
2025-10-21 cs.NA math.NA math.OC
Gaussian Process Bandit Optimization with Few Batches
National University of Singapore（新加坡国立大学）
本文研究了小批量的高斯过程（GP）强盗优化的黑箱优化问题。假设未知函数在再生核希尔伯特空间（RKHS）中具有低范数，我们引入了一个批处理有限臂强盗算法的启发，并表明它实现了累积遗憾上限$O^\ast(\sqrt{Tγ_T})$使用$O(\log\log T)$批次在时间范围$T$，其中$O^\ast(\cdot)$符号隐藏维数无关的对数因子和$γ_T$是与内核相关的最大信息增益。这个界限是接近最佳的几个内核的利益和改善典型的$O^\ast(\sqrt{T}γ_T)$界，我们的方法可以说是最简单的算法实现这一改进。此外，在批次数恒定的情况下（不依赖于$T$），我们提出了一种改进的算法，并分析了批次数对遗憾的影响，重点研究了平方指数核和Matérn核.算法的上限被证明是通过类似的算法独立的下限接近极大极小最优。
2022-02-22 cs.IT cs.LG math.IT
