Indiziert in
- Genamics JournalSeek
- RefSeek
- Hamdard-Universität
- EBSCO AZ
- OCLC – WorldCat
- Publons
- Euro-Pub
- Google Scholar
Nützliche Links
Teile diese Seite
Zeitschriftenflyer
Open-Access-Zeitschriften
- Allgemeine Wissenschaft
- Biochemie
- Bioinformatik und Systembiologie
- Chemie
- Genetik und Molekularbiologie
- Immunologie und Mikrobiologie
- Klinische Wissenschaften
- Krankenpflege und Gesundheitsfürsorge
- Landwirtschaft und Aquakultur
- Lebensmittel & Ernährung
- Maschinenbau
- Materialwissenschaften
- Medizinische Wissenschaften
- Neurowissenschaften und Psychologie
- Pharmazeutische Wissenschaften
- Umweltwissenschaften
- Veterinärwissenschaften
- Wirtschaft & Management
Abstrakt
Effiziente Ameisenkolonie-Optimierung (EACO) -Algorithmus für deterministische Optimierung
Urmila M Diwekar* und Berhane H Gebreslassie
In diesem Artikel wird ein effizienter Ameisenkolonie-Optimierungsalgorithmus (EACO) vorgeschlagen, der auf einer effizienten Sampling-Methode zur Lösung kombinatorischer, kontinuierlicher und gemischtvariabler Optimierungsprobleme basiert. Im EACO-Algorithmus wird Hammersley Sequence Sampling (HSS) eingeführt, um das Lösungsarchiv zu initialisieren und mehrdimensionale Zufallszahlen zu generieren. Die Fähigkeiten des vorgeschlagenen Algorithmus werden durch 9 Benchmarkprobleme veranschaulicht. Die Ergebnisse der Benchmarkprobleme des EACO-Algorithmus und des herkömmlichen ACO-Algorithmus werden verglichen. Über 99 % der Ergebnisse des EACO zeigen eine Effizienzsteigerung und die Verbesserung der Rechenleistung liegt zwischen 3 % und 71 %. Daher kann dieser neue Algorithmus ein nützliches Werkzeug für groß angelegte und breite Optimierungsprobleme sein. Darüber hinaus wird die Leistung des EACO auch anhand der fünf Varianten von Ameisenalgorithmen für kombinatorische Probleme getestet.