.png){kind=icon}
返回
Role Model Learning Algorithm: a human-inspired approach with dynamic motivational mechanism for complex system optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05380-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出角色模型学习算法（RMLA）以解决复杂系统优化问题。受班杜拉（Bandura）观察学习理论的启发，RMLA引入两种搜索策略：（I）直接模仿学习；（II）反思实践学习。同时，它融入一种动态激励机制，通过基于先前结果调整其偏差来平衡全局与局部搜索能力。此外，引入一种最佳驱动边界吸收策略以增强解的多样性。在实验中，首先分析了RMLA的搜索与收敛能力、结构偏差以及探索-开发平衡。随后，将RMLA与5种经典算法和8种近期高性能算法在144个CEC2017/2022函数上进行比较。RMLA在所有维度中有55.56%的案例取得最佳结果，尤其在维度优化中表现突出，达到70%的案例，并展现出高稳定性。统计检验进一步证实了RMLA的优越性，其在所有维度中的平均排名为1.7。与前沿算法相比，RMLA的平均排名为1.62，在100维问题中，其排名进一步提升至1.4。完成参数分析后，进行了消融研究以评估动态激励机制的有效性。最后，将RMLA应用于4个工程设计问题和1个NP难问题。结果表明RMLA的有效性，尤其在维度优化方面表现显著。RMLA的源代码已公开在https://github.com/hechenen/RMLA。
Keyword:
Role model learning algorithm
Direct imitation learning strategy
Reflective practice learning strategy
Dynamic motivational mechanism
Complex system optimization
Engineering optimization
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm蛾焰优化算法: 一种新的自然启发启发式范式
PREAI
分享收藏Fast, accurate algorithm for numerical simulation of Lévy stable stochastic processesL é vy稳定随机过程数值模拟的快速精确算法
PREAI
分享收藏Dynamic Harris hawks optimizer based on historical information and tournament strategy and its application in numerical optimization of blast furnace ingredients基于历史信息和锦标赛策略的动态Harris hawks优化器及其在高炉配料数值优化中的应用
PREAI
分享收藏Memory, evolutionary operator, and local search based improved Grey Wolf Optimizer with linear population size reduction technique基于内存，进化算子和局部搜索的改进的灰狼优化器，具有线性种群大小减小技术
PREAI
分享收藏
CMRLCCOA: Multi-Strategy Enhanced Coati Optimization Algorithm for Engineering Designs and Hypersonic Vehicle Path Planning.png)
BIOMIMETICS
OAAI
BIOMIMETICSIF3.9
OAAI分享收藏分享收藏
查看更多内容