.png){kind=icon}
返回
Chaotic Artificial Rabbits Optimization for Minimax Problems
.png){kind=icon}
PRE
AI
DOI：10.3390/mca31030083.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
众多工程问题可以表示为极小极大优化问题，包括机器学习、分类、鲁棒最优控制、信号处理、博弈论等。通常，极小极大问题被认为具有挑战性，尤其是受约束的问题。近期提出的“人工兔子优化算法”（ARO）受兔子自然行为的启发。ARO在解决优化挑战方面表现出稳健的有效性。尽管具有优势，ARO仍存在早期收敛至局部最优的问题，特别是在复杂或多模态优化问题中，且难以平衡探索与开发，常导致过早收敛和精度降低。本文提出一种混沌ARO算法，采用五种具有随机化行为的映射来更新候选解。通过将其应用于46个基准函数（25个无约束和21个非光滑极小极大）及15个具有不同特性的约束测试函数，评估所提CARO的性能。将其与六种群智能算法进行比较，并将混沌映射应用于ARO及六种对比算法，对所有结果进行非参数统计检验——Friedman检验。结果表明，所提算法在解决无约束和约束极小极大问题方面，比其他群智能方法更有效且高效。
Keyword:
artificial rabbits optimization
chaos
metaheuristic
particle swarm optimization
unconstrained and constrained minimax problems
期刊
M
IF:
2.1
论文数:
126
被引数:
0
机构
引用论文
Identifying the PEM Fuel Cell Parameters Using Artificial Rabbits Optimization Algorithm.png)
SUSTAINABILITY
OAAI
SUSTAINABILITYIF3.3
OAAI分享收藏分享收藏
查看更多内容