优化中的自然启发算法:简介、混合化和洞察
本文通过回顾 28 篇最新的同行评审相关文章和 26 种自然启发式算法的应用,对其进行归类以帮助读者了解这些算法的可靠性和探索阶段,并讨论了这些算法在生物医学信号处理和生物医学图像处理中的应用。
Oct, 2023
本文对无导数优化的确定性技术和基于自然启发的技术进行了计算比较,并通过对五个基准测试集的结果分析表明,在目标函数评估相对较便宜的情况下,基于自然启发的方法比确定性方法具有更好的性能,然而,在目标函数评估昂贵或被禁止的情况下,确定性方法可能提供更为一致和总体更好的结果。
Dec, 2022
研究发现,在自然界的生物结构和功能中寻找灵感,运用进化算法等自然启发算法最终可以提高数据科学和数据分析的表现,其中特别关注了四种算法的优化应用 —— 特征选择、超参数调整、知识发现和聚类优化。
Feb, 2022
应用竞争性带突变主体的自然启发元启发式算法(CSO-MA),在统计科学的各种优化问题中展示其灵活性和相对于竞争对手的出色表现。
Aug, 2023
大多数优化算法都具有与算法相关的参数,其参数值的设置可以在很大程度上影响所考虑算法的行为。因此,应进行适当的参数调优,以确保用于优化的算法能够表现良好,并且能够足够强大地解决不同类型的优化问题。本文回顾了一些参数调优的主要方法,然后强调了关于参数调优最新进展的重要问题。同时还讨论了一些开放问题,并提出了一些建议,供将来的研究参考。
Aug, 2023
本研究对 500 多个元启发式算法进行了详尽的调查,并重点比较了 11 个新的和 4 个已有的元启发式算法对 CEC2017 基准函数集的竞争性表现,结果显示 EBCM 性能优良,不输于现有的元启发式算法。
Dec, 2022
基于自然启发计算的工具用于解决软件工程问题,介绍了 IaC Optimizer 平台的最终版本,其主要贡献以及实现决策,并展示了一个真实世界的用例。
Nov, 2023
本研究针对优化问题,提出了一种基于自动设计元启发式算法的方法学框架 AutoOpt,该框架包含具有良好性能的算法性能评估标准、算法设计决策空间的一般架构、设计算法所用的混合图和实数表示以及无模型方法来进行设计过程。实测结果表明,AutoOpt 是一种有效和高效的设计元启发式算法的方法学框架。
Apr, 2022