.png){kind=icon}
返回
An area-based computational algorithm for robust extrema detection in noisy environments
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ins.2025.123019.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为近似单变量函数的全局最优解，已开发多种基于点的启发式算法和元启发式算法。然而，这些基于点的搜索（PBS）算法由于搜索域探索受限，常收敛于局部最优解并无法检测到所有极值点。本研究提出了一种基于区域的搜索（ABS）算法，该算法将搜索域系统性地划分为均匀间隔的子区间，并评估每个子区间内的曲线下面积。面积显著大于或小于邻域子区间的子区间，分别可能包含局部最大值或最小值。我们采用包含1,000次试验的蒙特卡洛模拟框架，在多模态测试函数中验证了该思想。在标准基准函数的所有噪声水平下，ABS均能稳定检测到全部16个局部和全局极值点。直观地，覆盖率衡量的是算法在给定位置容差内成功恢复的真实极值点的比例。与遗传算法（GA）相比，ABS在噪声环境下检测准确率最高提升37%，在所有测试案例中平均覆盖率提高4.75%。此外，ABS的位置误差比GA低30.41%，值误差低36.89%。ABS具有确定性特性，仅需一个可调分辨率参数，支持其在需要全谱极值检测的噪声环境中应用。
Keyword:
Area-based method
Function optimization
Extrema detection
Univariate analysis
Point-based heuristics
Search algorithms
期刊
IF:
6.8
论文数:
553
被引数:
6.2W
机构
引用论文
A Chebyshev metamodel based BnB approach to efficiently search global optimum for 3D ICP point set registration一种基于切比雪夫元模型的BnB方法，用于高效搜索3D ICP点集配准的全局最优解
.png){kind=icon}
PREAI
分享收藏A novel linear-integral TOPSIS approach to mars mission simulator planning at NASA一种新颖的线性-积分TOPSIS方法，用于NASA火星任务模拟器规划
PREAI
分享收藏分享收藏
查看更多内容