.png){kind=icon}
返回
Attrition mill optimization algorithm: a novel approach for solving engineering optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-07894-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
优化算法在科学与工程领域至关重要，并且随着问题规模扩大、约束条件收紧以及“免费午餐”定理依然适用，新的方法不断涌现，以更优的方式在探索与开发之间进行权衡，同时保持简洁和高效。我们提出磨蚀磨优化算法（AMO），这是一种受磨蚀磨启发的元启发式算法。AMO遵循紧凑的三阶段结构——初始化、运行和再生周期——以极少的控制参数维持强大的探索—开发平衡。内置的基于对立学习的（OBL）机制可延缓早熟收敛，并在低维和高维设置中保持多样性。在19个基准函数和3个实际工程问题中，AMO在较短的运行时间内与16种不同的元启发式算法相比，达到了具有竞争力或更优的适应度。我们还引入了多目标AMO（MOAMO），其增加了外部存档、拥挤距离选择和动态参考引导。在Zitzler–Deb–Thiele（ZDT）和Deb–Thiele–Laumanns–Zitzler（DTLZ）测试集中，MOAMO表现出稳定的向帕累托前沿收敛，并具有良好的覆盖性。
Keyword:
Population-based algorithms
Search space exploration
Exploration–exploitation balance
Engineering problems
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
引用论文
Chameleon Swarm Algorithm: A bio-inspired optimizer for solving engineering design problems变色龙群算法: 解决工程设计问题的生物启发优化器
PREAI
分享收藏Multi-Verse Optimizer: a nature-inspired algorithm for global optimization多宇宙优化器: 一种自然启发的全局优化算法
PREAI
分享收藏
Improved bald eagle search algorithm with dimension learning-based hunting for autonomous vehicle including vision dynamics.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏分享收藏Human mental search: a new population-based metaheuristic optimization algorithm人类心理搜索: 一种新的基于种群的元启发式优化算法APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容