首页/论文/1611.00577

arXiv 1611.005772016-11cs.NEcs.AI

求解多目标问题的新混合COAW方法

The new hybrid COAW method for solving multi-objective problems

Khayyam University（海亚姆大学）

Zeinab Borhanifar, Elham Shadkam

DOI：: 10.5121/ijfcst.2015.5602

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本文利用布谷鸟优化算法和简单加权法，提出了求解多目标优化问题的混合COAW算法。布谷鸟算法是求解非线性连续问题的一种有效的结构化方法。COAW算法生成的Pareto边界是精确的，并且具有良好的离散性。该方法具有快速寻找Pareto边界的特点，并能正确识别Pareto边界的起点和终点。为了验证该算法的有效性，对几个实验问题进行了分析。结果表明COAW算法对求解多目标优化问题是有效的。

英文摘要：

In this article using Cuckoo Optimization Algorithm and simple additive weighting method the hybrid COAW algorithm is presented to solve multi-objective problems. Cuckoo algorithm is an efficient and structured method for solving nonlinear continuous problems. The created Pareto frontiers of the COAW proposed algorithm are exact and have good dispersion. This method has a high speed in finding the Pareto frontiers and identifies the beginning and end points of Pareto frontiers properly. In order to validation the proposed algorithm, several experimental problems were analyzed. The results of which indicate the proper effectiveness of COAW algorithm for solving multi-objective problems.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

求解多车场车辆路径问题的混合两阶段帝国竞争蚁群算法

Hybrid 2-stage Imperialist Competitive Algorithm with Ant Colony Optimization for Solving Multi-Depot Vehicle Routing Problem

Brunel University London（伦敦布鲁内尔大学）

多配送中心车辆路径问题（MDVRP）是一个考虑如何满足多个配送中心的客户需求的简化车辆路径问题（VRP）的世界模型。本文介绍了一种基于两种基于种群的算法的混合2阶段方法-蚁群优化（ACO），模仿蚂蚁行为的性质和帝国主义竞争算法（ICA），是基于国家之间的地缘政治关系。在所提出的混合算法中，ICA是负责客户分配到仓库，而ACO是路由和排序的客户。该算法进行了比较，非混合ACO和ICA以及其他四个国家的最先进的方法在23个常见的Cordreaus基准实例。结果表明，简单的ACO和ICA的明显改善，并表现出非常有竞争力的结果相比，其他竞争对手的算法。

2020-04-07cs.AIcs.NE

求解车间调度问题的混合细菌觅食算法

A Hybrid Bacterial Foraging Algorithm For Solving Job Shop Scheduling Problems

生物启发计算是自然启发计算的子集。车间作业调度问题是一类比较流行的调度问题。本文将细菌觅食优化算法与蚁群算法相结合，提出了一种求解车间作业调度问题的新方法--混合细菌觅食优化算法。提出的混合细菌觅食优化算法得到的最优解是更好的解决方案相比，细菌觅食优化算法得到的著名的测试问题的不同大小。通过实验验证，提出的混合细菌觅食优化算法比细菌觅食优化算法更有效地解决了车间作业调度问题。混合细菌觅食优化是用来实现现实世界的车间调度问题。

2012-11-21cs.NE

混合蚁群算法求解多技能资源受限项目调度问题

Hybrid Ant Colony Optimization in solving Multi-Skill Resource-Constrained Project Scheduling Problem

本文提出了一种求解多技能资源受限项目调度问题的混合蚁群算法。我们提出了混合方法，链接经典的启发式优先级规则的项目调度与蚁群优化（ACO）。此外，提出了一种新的方法来更新信息素值的基础上存储的蚂蚁的最佳和最差的解决方案。本文的目的是研究蚁群算法及其与优先规则的混合算法在求解MS-RCPSP问题中的可用性和鲁棒性。实验已经使用人工创建的数据集实例，基于现实世界的。我们发布了那些可以用作基准的实例。结果表明，基于蚁群算法的混合方法是一种有效的方法。混合算法的搜索过程更有针对性，使得该方法更稳定，并且比经典的蚁群算法提供更好的结果。

2016-03-31cs.NE

求解多目标问题的混合COA $ε$ -约束方法

A hybrid COA$ε$-constraint method for solving multi-objective problems

本文提出了一种求解多目标优化问题的混合方法。该方法将ε-约束和Cuckoo算法相结合。首先利用$ε$ -约束将多目标优化问题转化为单目标优化问题，然后利用布谷鸟优化算法对每个任务进行优化。最后绘制出最优的帕累托边界。该方法的优点是精度高，Pareto前沿离散。为了检验该方法的有效性，用该方法解决了大量的试验问题。将该方法的结果与其他类似方法的结果进行比较，表明Cuckoo算法更适合于求解多目标优化问题。

2015-09-25cs.NE

混合PSM和RSM算子求解NP完全问题：在旅行商问题中的应用

Hybridizing PSM and RSM Operator for Solving NP-Complete Problems: Application to Travelling Salesman Problem

在本文中，我们提出了一种新的变异算子，混合变异（HPRM），遗传算法，产生高质量的解决方案，旅行商问题（TSP）。Hybrid Mutation算子通过杂交两个突变算子PSM和RSM，从一对亲本构建后代。HPRM的效率进行了比较，对一些现有的突变算子，即，反向序列突变（RSM）和部分洗牌突变（PSM）的BERLIN52的TSPLIB的实例。实验结果表明，新的变异算子优于响应面法和偏最小二乘法。

2012-03-22cs.NE

混合遗传算法求解无容量约束考试时间表问题的一些经验

Some Experiences with Hybrid Genetic Algorithms in Solving the Uncapacitated Examination Timetabling Problem

本文研究用两种局部搜索混合遗传算法求解无容量约束考试时间表问题，分别采用划分和优先级表示，实验表明局部搜索与混合策略相互促进，且两种算法性能与现有先进遗传型算法相当。

2023-06-01cs.NE

更多相关论文收起更多论文

求解多目标问题的混合COA-DEA方法

A hybrid COA-DEA method for solving multi-objective problems

布谷鸟优化算法（COA）是为解决单目标问题而开发的，不能用于解决多目标问题。因此，本文提出了基于数据包络分析（DEA）的多目标布谷鸟优化算法，该算法可以有效地获得Pareto前沿。该算法结合DEA的CCR模型及其面向输出的方法提出，其选择准则是下一次迭代的效率更高。因此，用DEA获得的效率值代替了COA的利润函数。通过测试问题将该算法与其他算法进行了比较。结果表明，使用COA和DEA方法解决多目标问题，提高了生成解的速度和精度。

2015-09-02cs.NEmath.OC

为了解线性方程组，重组操作在时间变化自适应混合算法中是不必要的

For Solving Linear Equations Recombination is a Needless Operation in Time-Variant Adaptive Hybrid Algorithms

本文提出两种改进的混合进化算法，不含重组操作，用于求解大规模线性方程组，实验表明其计算效率更高且更易实现。

2013-04-09cs.NAcs.NEmath.NA

基于Jacobi的时变自适应混合进化算法求解线性方程组

Solving Linear Equations Using a Jacobi Based Time-Variant Adaptive Hybrid Evolutionary Algorithm

对于大型线性方程组，特别是稀疏的、结构化的系数（矩阵）方程组，用经典方法求解变得困难。进化算法主要用于解决各种优化和学习问题。近年来，经典方法（Jacobi方法和Gauss-Seidel方法）与演化计算技术的混合已经成功地应用于线性方程的求解。在上述两种混合进化方法中，均采用均匀自适应技术来自适应松弛因子。提出了一种新的基于Jacobi的时变自适应混合进化算法。在该算法中，一个时变自适应（TVA）技术的松弛因子被引入，旨在改善精细的局部调整和减少的缺点，均匀的松弛因子的适应。该算法将基于Jacobi的SR方法与时变自适应进化算法相结合。从理论上证明了算法的收敛性定理。并在实验域内将该算法与JBUA混合进化算法和经典算法进行了性能比较。该算法在收敛速度和有效性方面均优于JBUA混合算法和经典方法。

2013-04-13cs.NE

基于社会物理的混合元启发式算法求解复杂非凸约束最优化问题

A socio-physics based hybrid metaheuristic for solving complex non-convex constrained optimization problems

Institute of Artificial Intelligence, MIT World Peace University（MIT世界和平大学人工智能研究所）；Artificial Intelligence Research Institute, University of Veracruz（韦拉克鲁斯大学人工智能研究所）

迄今为止，已经开发了几种基于人工智能的启发式和元启发式算法。这些算法在解决不同领域的复杂问题时显示出了其优越性。然而，有必要严格验证这些算法解决现实世界的约束最优化问题。这些问题的搜索行为是不同的，因为它涉及大量的线性，非线性和非凸型等式和不等式约束。在这项工作中，57现实世界的约束最优化问题测试套件解决了两个约束元启发式算法起源于基于社会的队列智能（CI）算法。第一种基于CI的算法结合了自适应罚函数方法，即，CI-SAPF。第二种算法将CI-SAPF与基于物理的碰撞体优化（CBO）的内在属性相结合，称为CI-SAPF-CBO。将CI-SAPF和CI-SAPF-CBO算法的结果与其他约束优化算法进行了比较。所提出的算法的优越性进行了详细讨论，然后由未来的发展方向的约束处理技术。

2022-09-02cs.AIcs.NEmath.OC

求解广义车辆路径问题的敏感蚂蚁算法

Sensitive Ants in Solving the Generalized Vehicle Routing Problem

Babes-Bolyai University（巴贝什-博雅依大学）；North University of Baia Mare（巴亚马雷北方大学）

蚁群系统中的灵敏度思想已被用于混合蚁群模型中，并在许多组合优化问题中取得了良好的效果。通过赋予个体蚂蚁对信息素踪迹一定程度的敏感性，在蚂蚁种群中诱导异源性。同一群蚂蚁对信息素的敏感度不同，可能会加强搜索，同时也会导致环境探索的多样性。研究了敏感蚂蚁模型求解广义车辆路径问题的性能。数值结果和比较进行了讨论和分析，重点是强调任何特定的方面和潜在的好处有关的混合蚂蚁模型。

2012-08-27cs.AIcs.NE

解决简单算术问题中系统泛化能力的混合系统

A Hybrid System for Systematic Generalization in Simple Arithmetic Problems

University of Padova（帕多瓦大学）

提出一种通过学习并迭代应用替换规则来解决算术问题的混合系统，在仅用简单子集训练时仍能准确解决嵌套表达式，显著优于端到端序列模型和大型语言模型。

2023-06-29cs.AIcs.NE

基于经典Jacobi-SR的混合进化算法与均匀自适应技术求解线性方程组

Solving Linear Equations by Classical Jacobi-SR Based Hybrid Evolutionary Algorithm with Uniform Adaptation Technique

Khulna University of Engineering and Technology（库尔纳工程与技术大学）

提出一种结合均匀自适应进化计算和经典Jacobi-SR技术的混合算法，用于高效求解线性方程组，并证明其收敛性和适应性，实验表明该算法在收敛速度和有效性上优于基于Gauss-Seidel-SR的混合算法及经典方法。

2013-04-08cs.NAcs.NEmath.NA

带变异算子的混合层次学习群算法求解大规模基数约束投资组合最优化问题

A hybrid level-based learning swarm algorithm with mutation operator for solving large-scale cardinality-constrained portfolio optimization problems

在这项工作中，我们提出了一个混合的变种的基于层次的学习群优化算法（LLSO）解决大规模的投资组合最优化问题。我们的目标是最大限度地提高夏普比的基数，框和预算限制的修改制定。该算法涉及一个投影算子来同时处理这三个约束，我们隐式地控制交易成本由于再平衡约束。我们还引入了一个合适的精确罚函数来管理营业额约束。此外，我们开发了一个特设的变异算子修改候选样本的最高级别的群体。使用三个大规模数据集的实验结果表明，包括这个过程提高了解决方案的准确性。然后，与其他变种的LLSO算法和两个国家的最先进的群优化算法的比较指出，所提出的求解器的探索能力和解决方案的质量方面的出色表现。最后，我们评估的盈利能力的投资组合配置策略，在过去五年中使用的1119个成分的MSCI世界指数的可投资池。

2022-06-29cs.NEmath.OC

一种新的混合GWO与WOA的全局数值优化方法及压力容器设计

A Novel Hybrid GWO with WOA for Global Numerical Optimization and Solving Pressure Vessel Design

最近提出了一种元启发式算法，如鲸优化算法（WOA）。提出这种算法的想法属于座头鲸的狩猎行为。然而，WOA在开发阶段表现不佳，并且在局部最佳解决方案中停滞不前。灰太狼优化算法（GWO）是一种非常有竞争力的算法，与其他常见的元启发式算法相比，它具有优越的性能，在开发阶段，而它是测试单峰基准函数。因此，本文的目的是将GWO与WOA杂交，以克服这些问题。GWO可以很好地利用最优解。本文提出了一种与GWO杂交的WOA，称为WOAGWO。提出的混合模型包括两个步骤。首先，将GWO的狩猎机制嵌入到WOA开发阶段，提出了一个与GWO相关的新条件。其次，在探索阶段增加了一种新的技术，以改善每次迭代后的解决方案。实验测试了三个不同的标准测试函数，这些标准测试函数被称为基准函数：23个常用函数，25个CEC2005函数和10个CEC2019函数。提出的WOAGWO也评估对原始WOA，GWO和其他三个常用的算法。实验结果表明，在Wilcoxon秩和检验中，WOAGWO算法优于其他算法。最后，WOAGWO同样适用于解决一个工程问题，如压力容器设计。结果表明，WOAGWO算法获得的最优解优于WOA算法和适应度相关优化算法（FDO）。

2020-02-28cs.NE

从离线与在线经验中学习：一种混合自适应算子选择框架

Learning from Offline and Online Experiences: A Hybrid Adaptive Operator Selection Framework

针对离线经验可能误导而在线经验受算力限制的问题，提出融合两类经验、由互补模块协同并在线平衡决策的自适应算子选择框架，在170个实值和34个组合优化基准上优于现有方法。

2024-04-16cs.NE

图3-着色的混合人工蜂群算法

A Hybrid Artificial Bee Colony Algorithm for Graph 3-Coloring

人工蜂群（ABC）是一种优化算法的名称，它的灵感来自蜜蜂群的智能行为。它被广泛认为是一种快速、可靠、高效的求解优化问题的方法。针对图3-着色这一离散优化问题，提出了一种混合ABC（HABC）算法。HABC的结果与著名的图着色算法的今天，即Tabucol和混合进化算法（HEA）和传统的进化算法与SAW方法（EA-SAW）的结果进行了比较。大量的实验表明，HABC匹配的竞争结果的最好的图着色算法，并做得更好，比传统的算法EA-SAW解决均匀，平坦，随机生成的中型图。

2012-05-06cs.NE

求解旅行商问题的一种带局部优化策略和额外变异水平的改进遗传算法

An improved genetic algorithm with a local optimization strategy and an extra mutation level for solving traveling salesman problem

旅行商问题（TSP）在大多数情况下被证明是NP完全的。遗传算法（GA）是解决这一问题最有效的算法之一。本文比较了传统遗传算法和改进的混合遗传算法在求解TSP问题中的性能。改进的遗传算法或混合遗传算法由传统遗传算法和两种局部优化策略组成。第一种策略是抽取包含四个样本城市的所有序列组，并将两个中心城市相互替换。第二种局部优化策略类似于额外的变异过程。在该步骤中，以低概率选择样本。在这个样本中，定义了两个随机城市，这些城市之间的路径是反向的。计算结果表明，该方法也发现更好的路径比传统的遗传算法在可接受的计算时间。

2014-09-10cs.NE

基于混合启发式人工免疫系统的任务调度

Hybrid Heuristic-Based Artificial Immune System for Task Scheduling

异构系统中的任务调度问题是指将应用程序的任务分配给通过高速网络互连的异构处理器，从而尽可能缩短应用程序的完成时间的过程。任务是应用程序的处理单元，具有优先级约束、通信和有向无环图（DAG）。进化算法非常适合解决异构环境下的任务调度问题。在本文中，我们提出了一个混合的基于免疫学的人工免疫系统（AIS）算法来解决调度问题。在这方面，AIS与一些算法和单邻域搜索（SNS）技术的混合。AIS的克隆和免疫去除算子提供了多样性，而搜索和SNS提供了算法收敛到好的解决方案，即在探索和开发之间取得平衡。我们比较了我们的方法与一些国家的最先进的算法。实验结果表明了该方法的有效性。

2011-12-13cs.DCcs.NE

基于量子退火和遗传算法的EV充电站布局优化混合算法

Towards an Optimal Hybrid Algorithm for EV Charging Stations Placement using Quantum Annealing and Genetic Algorithms

量子退火是一种解决优化问题的启发式算法，由于D-Wave系统的成功，最近的使用量激增。本文的目的是找到一个很好的启发式解决电动汽车充电器放置（EVCP）的问题，一个问题，是非常重要的设置一个电动汽车（EV）充电器的成本和电动汽车在世界各地的预期激增。同样的问题陈述也可以推广到网格中任何实体的最佳放置，并可以探索以供进一步使用。最后，作者介绍了一种新的启发式结合量子退火和遗传算法来解决这个问题。所提出的混合方法需要种子的遗传算法与量子退火的结果。实验结果表明，该方法减少了$42.89\%$相比，香草量子退火样本EVCP数据集的兴趣点（POI）的最小距离。

2022-04-22cs.NEquant-ph