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
Multiobjektiver imperialistischer Wettbewerbsalgorithmus zur Lösung nichtlinearer Optimierungsprobleme mit Nebenbedingungen
Chun An Liu und Huamin Jia
Das Problem der nichtlinearen eingeschränkten Optimierung (NCOP) ist in vielen verschiedenen Wissenschaften aufgetreten, beispielsweise in den Bereichen Portfolio, Wirtschaftsmanagement, Luft- und Raumfahrttechnik und Nachrichtendienste usw. In diesem Artikel wird ein neuer multiobjektiver imperialistischer Wettbewerbsalgorithmus zur Lösung von NCOP vorgeschlagen. Zunächst untersuchen wir einige bestehende hervorragende Algorithmen zur Lösung von NOCP; dann wird das Problem der nichtlinearen eingeschränkten Optimierung in ein biobjektives Optimierungsproblem umgewandelt. Zweitens werden drei verschiedene Methoden angegeben, mit denen sich Kolonien in Richtung ihres jeweiligen Imperialisten bewegen können, um die Vielfalt des Evolutionslandschwarms zu verbessern und dem Evolutionslandschwarm zu helfen, sich dem möglichen Bereich des Suchraums zu nähern oder dort zu landen. Drittens wird ein neuer Operator zum Austausch der Positionen von Imperialist und Kolonie angegeben, ähnlich einem Rekombinationsoperator in einem genetischen Algorithmus, um die Erkundungs- und Nutzungsmöglichkeiten des vorgeschlagenen Algorithmus zu verbessern. Viertens wird auch eine lokale Suchmethode vorgestellt, um die Konvergenzgeschwindigkeit zu erhöhen. Abschließend wird der neue Ansatz an dreizehn bekannten NP-harten nichtlinearen Optimierungsfunktionen mit Nebenbedingungen getestet. Die experimentellen Ergebnisse deuten darauf hin, dass die vorgeschlagene Methode bei der Lösung nichtlinearer Optimierungsprobleme mit Nebenbedingungen robust, effizient und generisch ist. Im Vergleich zu einigen anderen Algorithmen auf dem neuesten Stand der Technik weist der vorgeschlagene Algorithmus in Bezug auf den besten, mittleren und schlechtesten Zielfunktionswert sowie die Standardabweichungen bemerkenswerte Vorteile auf.