.png){kind=icon}
返回
NOA-RAC: An Enhanced Nutcracker Optimization Algorithm for Optimization Tasks
.png){kind=icon}
PRE
AI
DOI：10.1002/cpe.70717.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大多数现实世界问题是有约束的连续变量问题和离散变量问题。为了开发一种能够平衡解决这两种类型问题的算法，本文提出了NOA-RAC，这是Nutcracker Optimization Algorithm（NOA）的一种增强变体。为解决NOA的局限性，包括探索-开发不平衡以及在某些情况下陷入局部最优的倾向，实施了三种增强策略。首先，采用随机子群策略以更好地平衡探索-开发权衡。其次，开发了一种自适应适应度更新机制以增强种群多样性。最后，引入可缩回的可转换巡航策略提高了算法跳出局部最优的能力。进行了全面的实验分析，包括改进策略的有效性分析、定性分析、非参数统计检验等，从多个角度验证了算法改进的结果。NOA-RAC在三个测试（CEC2017基准测试套件、30个工程问题和12个特征选择问题）中与近年来提出的各种类型的知名算法进行了定量比较。实验结果表明，NOA-RAC在解决离散变量和有约束的连续变量优化问题时表现出强大的竞争力，它是一种解决现实世界优化问题的有效工具。
Keyword:
engineering design problems
enhanced nutcracker optimizer
feature selection problems
numerical optimization
strategy improvement
期刊
C
IF:
1.5
论文数:
473
被引数:
0
机构
引用论文
暂无论文信息