AFOA: An Adaptive Fruit Fly Optimization Algorithm with Global Optimizing Ability

计算机科学 群体行为 数学优化 水准点(测量) 导线 算法 趋同(经济学) 普遍性(动力系统) 计算 粒子群优化 限制 群体智能 最优化问题 人工智能 数学 机械工程 物理 量子力学 工程类 经济 经济增长 地理 大地测量学
作者
Yiwen Zhang,Guangming Cui,Erzhou Zhu,Qiang He
出处
期刊:International Journal on Artificial Intelligence Tools [World Scientific]
卷期号:25 (06): 1650032-1650032 被引量:11
标识
DOI:10.1142/s0218213016500329
摘要

With the development of intelligent computation technology, the intelligent evolution algorithms have been widely applied to solve optimization problem in the real world. As a novel evolution algorithm, fruit fly optimization algorithm (FOA) has the advantages of simple operation and high efficiency. However, FOA also has some disadvantages, such as trapping into local optimal solution easily, failing to traverse the problem domain and limiting the universality. In order to cope with the disadvantages of FOA while retain it merits, this paper proposes AFOA, an adaptive fruit fly optimization algorithm. AFOA adjusts the swarm range parameter V dynamically and adaptively according to the historical memory of each iteration of the swarm, and adopts the more accurate elitist strategy, which is therefore very effective in both accelerating the convergence of the swarm to the global optimal front and maintaining diversity of the solutions. The convergence of the algorithm is firstly analyzed theoretically, and then 14 benchmark functions with different characteristics are executed to compare the performance among AFOA, PSO, FOA, and LGMS-FOA. The experimental results have shown that, AFOA algorithm is a new algorithm with global optimizing capability and high universality.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
汉堡包应助blue采纳,获得10
1秒前
王小茗发布了新的文献求助10
1秒前
谦让鹏涛发布了新的文献求助10
2秒前
lry关闭了lry文献求助
2秒前
2秒前
2秒前
3秒前
陈泽宇发布了新的文献求助10
4秒前
Aaernan完成签到 ,获得积分10
4秒前
超级冷松完成签到 ,获得积分10
4秒前
zzzb完成签到,获得积分10
4秒前
greenmsp发布了新的文献求助10
5秒前
在水一方应助zzzzzzzzzl采纳,获得10
5秒前
袁硕完成签到 ,获得积分10
5秒前
tz完成签到,获得积分10
6秒前
6秒前
Lucas应助123采纳,获得10
6秒前
6秒前
CodeCraft应助Z1采纳,获得30
8秒前
双珠发布了新的文献求助10
8秒前
爆米花应助zzzb采纳,获得10
8秒前
8秒前
思源应助张总可以的采纳,获得10
8秒前
小张123发布了新的文献求助10
8秒前
augenstern完成签到,获得积分10
9秒前
王小茗完成签到,获得积分10
9秒前
9秒前
李哈哈发布了新的文献求助10
9秒前
9秒前
谦让鹏涛完成签到,获得积分10
10秒前
dingbeicn完成签到,获得积分10
10秒前
喜欢小葵花生油完成签到,获得积分10
10秒前
桐桐应助纯牛奶采纳,获得10
11秒前
双离子完成签到,获得积分10
11秒前
zw发布了新的文献求助10
11秒前
默默荔枝完成签到 ,获得积分10
12秒前
仇道罡发布了新的文献求助10
12秒前
FOLY发布了新的文献求助30
12秒前
XJL完成签到,获得积分10
13秒前
光与爱发布了新的文献求助10
13秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3245628
求助须知:如何正确求助?哪些是违规求助? 2889319
关于积分的说明 8257790
捐赠科研通 2557674
什么是DOI,文献DOI怎么找? 1386378
科研通“疑难数据库(出版商)”最低求助积分说明 650327
邀请新用户注册赠送积分活动 626633