.png){kind=icon}
返回
An Improved Bionic Artificial Lemming Algorithm for Global Optimization and Cloud Task-Scheduling Problems
.png){kind=icon}
OA
AI
DOI：10.3390/biomimetics10090572.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
智能优化算法已成为复杂交织的工程与科学领域的关键工具。然而，随着问题复杂度的增加和数据规模的快速扩张，算法的性能正面临前所未有的挑战。人工旅鼠算法因其独特的结构设计和高效的优化性能逐渐崭露头角，并得到学术界的广泛认可。然而，在面对更复杂和具有挑战性的优化与调度问题时，该算法也暴露出一些明显的不足。例如，算法中初始个体集的分散度较低，导致最优解的精度不高。此外，算法的局部搜索能力相对较弱，导致收敛速度较慢。幸运的是，本文提出了一种改进的人工旅鼠算法。基于对原算法的深入分析，针对原算法的不足，引入了一些创新机制。为了验证改进算法的有效性，通过全局优化测试问题进行了大量实验。实验结果表明，算法性能得到了显著提升，解的精度和收敛速度明显优于原算法和一些基准算法。此外，本文还将改进的人工旅行算法应用于云调度问题。这些实验结果进一步验证了该方法在实际应用中的可行性和有效性，为其在更广泛领域的应用提供了有力支持。
Keyword:
artificial lemming algorithm
optimization
convergence speed
cloud scheduling
improved algorithm
期刊
B
IF:
3.9
论文数:
3.3K
被引数:
5.1K
机构
引用论文
Prediction of pork storage time using Fourier transform near infrared spectroscopy and Adaboost‐ULDA
PREAI
分享收藏Quantitative determination of rice starch based on hyperspectral imaging technology基于高光谱成像技术的大米淀粉定量测定
OAAI
OAAI分享收藏Recyclable non-ligand dual cloud point extraction method for determination of lead in food samples.png)
FOOD CHEMISTRY
FOOD CHEMISTRYIF9.8
PREAI
分享收藏
查看更多内容