.png){kind=icon}
返回
Efficiency analysis of binary metaheuristic optimization algorithms for uncapacitated facility location problems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asoc.2025.112968.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了四种元启发式优化算法的二进制改进版本：二进制浣熊优化算法（BCOA）、二进制墨西哥蝾螈优化算法（BMAO）、二进制动态狩猎领导力优化算法（BDHL）和二进制鹰优化算法（BAO）。这些算法在解决无容量限制设施选址（UFL）问题的有效性方面进行了评估，该问题旨在通过确定最优开放设施数量来最小化客户-设施分配成本和设施开放费用。研究使用OR-Lib数据集中的15个UFL问题实例，评估了算法在17种转移函数（TFs）上的性能，包括S型、V型及其他变体，以解决这些问题的二进制特性。对每种二进制算法分析了最佳值、最差值、平均值、标准差和GAP值等性能指标。此外，还进行了统计分析以进一步评估算法性能。应用了Kolmogorov-Smirnov（KS）正态性检验来确定结果的分布特征，随后根据分布的正态性选择ANOVA或Kruskal-Wallis检验。这些统计检验揭示了不同问题实例中算法性能的显著差异。基于GAP值和CPU时间计算了排名值，以便在15个UFL问题上比较不同算法版本的性能。结果表明，转移函数的选择对优化算法效率起着关键作用：BCOA在TF11上表现最佳，BMAO在TF16和TF17上表现最佳，BAO在TF10上表现最佳，BDHL在TF15上表现最佳。最后，在GAP值上与两种针对二进制优化改进的先进PSO变体进行了性能比较。所提出的算法在解决UFL问题上表现出卓越或具有竞争力的性能，验证了它们在复杂优化任务中的有效性，并强调了转移函数对其性能的影响。
Keyword:
Aquila optimizer
Binary optimization
Coati optimization
Dynamic hunting leadership optimization
Mexican axolotl optimization
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
引用论文
Catch fish optimization algorithm: a new human behavior algorithm for solving clustering problems
PREAI
分享收藏A Bio-Inspired Method for Mathematical Optimization Inspired by Arachnida Salticidade.png)
Mathematics
OAAI
MathematicsIF0
OAAI分享收藏Hippopotamus optimization algorithm: a novel nature-inspired optimization algorithmSCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Continuous Metaheuristics for Binary Optimization Problems: An Updated Systematic Literature Review连续元启发式算法用于二元优化问题：一项更新的系统文献综述MathematicsOAAI
MathematicsIF0
OAAI分享收藏分享收藏
查看更多内容