群知能と進化的計算の国際ジャーナル

概要

改良されたマルチトラッカー最適化アルゴリズムと複数のサブポピュレーション

リズク・M・リズク・アッラー、ファトマ・ヘルミー・イスマイル、アブル・エラ・ハッサニエン

最近、マルチトラッカー最適化アルゴリズム (MTOA) と呼ばれる集団ベースの最適化アルゴリズムが、トラッカーの概念に基づいて導入されました。この論文では、優れたパフォーマンスを実現するためにトラッカーの複数のサブ集団を採用する、移行ベース MTOA (MTOA1) と呼ばれる元の MTOA の新しいバリエーションを提案します。提案されたアルゴリズムは、初期集団を複数のサブ集団に分割して、検索空間のさまざまな領域での検索プロセスを強化するという点で、従来の MTOA と異なります。さらに、情報は反復的かつ循環的にサブ集団間で交換されます。最初のサブ集団の最良のグローバル トラッカーは、2 番目のサブ集団のグローバル トラッカーを更新するために使用され、この更新プロセスは、後続のすべてのサブ集団に対して継続されます。複数の集団に対するこの循環的なアプローチでは、探索と活用のバランスが取れています。提案された MTOA1 は、CEC2017 ベンチマーク問題に基づいて検証され、元の MTOA よりも改善が見られます。さらに、MTOA1 は古典的な溶接梁の設計問題を解くために使用され、最近提案された 8 つの最適化アルゴリズムと比較されました。結果は、提案されたアルゴリズムの優位性を確認しました。