.png){kind=icon}
返回
Efficient State Transition Algorithm With Guaranteed Optimality
.png){kind=icon}
PRE
AI
DOI：10.1109/tsmc.2026.3688256.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
状态迁移算法（STA）作为一种基于建构主义学习的智能优化方法，已被证明在解决复杂优化问题方面具有高度有效性。然而，标准STA存在收敛缓慢的问题，特别是在处理平坦搜索空间时，后期收敛尤为缓慢。此外，用户需要基于直觉设定最大迭代次数。为解决这些问题，本文引入了一种具有保证最优性的增强型STA。该改进涉及三个关键组件：首先，受预测建模启发，开发了新型平移变换（TTs），通过利用历史数据生成更广泛的候选解集；其次，引入自适应参数控制策略以加速收敛；最后，设计了一种专用的终止条件，确保算法收敛至最优解，类似于数学规划中的零梯度条件。全面的实验结果验证了所提方法的有效性和优越性。ESTA和EXSTA的源代码将在https://github.com/tiezhongyu2005/ESTA公开。
Keyword:
Constructivist learning
guaranteed optimality
intelligent optimization
state transition algorithm (STA)
termination condition
期刊
I
IF:
8.7
论文数:
167
被引数:
0
机构
引用论文
Handling Multiobjective Optimization Problems With Complex Constraints: A Constraints Grouping-Based Approach处理具有复杂约束的多目标优化问题：一种基于约束分组的方法
PREAI
分享收藏Phototropic growth algorithm: A novel metaheuristic inspired from phototropic growth of plants向光性生长算法：一种受植物向光性生长启发的全新元启发式算法
PREAI
分享收藏分享收藏Hybrid Intelligent Optimization of Path-Constrained Switched Systems With Free Switching Sequences路径约束切换系统自由切换序列的混合智能优化
PREAI
分享收藏A dynamic state transition algorithm with application to sensor network localization.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Broad reinforcement learning based adaptive state transition algorithm for global optimization基于广义强化学习的全局优化自适应状态转移算法
PREAI
分享收藏Comprehensive learning particle swarm optimizer for global optimization of multimodal functions
PREAI
分享收藏
查看更多内容