AEFA: Artificial electric field algorithm for global optimization

计算机科学 库仑定律 趋同(经济学) 领域(数学) 元启发式 数学优化 库仑 启发式 算法 最优化问题 国家(计算机科学) 人口 人工智能 数学 物理 量子力学 社会学 电子 人口学 经济 经济增长 纯数学
作者
Anita Anita,Anupam Yadav
出处
期刊:Swarm and evolutionary computation [Elsevier]
卷期号:48: 93-108 被引量:271
标识
DOI:10.1016/j.swevo.2019.03.013
摘要

Electrostatic Force is one of the fundamental force of physical world. The concept of electric field and charged particles provide us a strong theory for the working force of attraction or repulsion between two charged particles. In the recent years many heuristic optimization algorithms are proposed based on natural phenomenon. The current article proposes a novel artificial electric field algorithm (AEFA) which inspired by the Coulomb's law of electrostatic force. The AEFA has been designed to work as a population based optimization algorithm, the concept of charge is extended to fitness value of the population in an innovative way. The proposed AEFA has been tested over a newly and challenging state-of-the-art optimization problems. The theoretical convergence of the proposed AEFA is also established along with statistical validation and comparison with recent state-of-the-art optimization algorithms. The presented study and findings suggests that the proposed AEFA as an outstanding optimization algorithms for non linear optimization.
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
刚刚
orixero应助123采纳,获得10
刚刚
许大脚完成签到 ,获得积分10
1秒前
yukiing完成签到,获得积分10
1秒前
2秒前
2秒前
顾矜应助lll采纳,获得10
2秒前
科研通AI2S应助dt采纳,获得10
2秒前
3秒前
3秒前
居居应助艾查恩采纳,获得10
4秒前
哎哟很烦发布了新的文献求助10
4秒前
令狐冲完成签到,获得积分10
4秒前
满意向雁完成签到,获得积分10
4秒前
5秒前
5秒前
6秒前
dyuguo3完成签到 ,获得积分10
6秒前
漂亮凌旋完成签到,获得积分10
7秒前
hawaii66发布了新的文献求助10
7秒前
七七完成签到 ,获得积分10
8秒前
子非鱼发布了新的文献求助10
8秒前
CC完成签到,获得积分10
8秒前
Orange应助安静的慕凝采纳,获得10
8秒前
Hello应助见青山采纳,获得10
9秒前
荒芜完成签到,获得积分10
9秒前
jin完成签到,获得积分10
9秒前
9秒前
10秒前
霜白头发布了新的文献求助10
10秒前
夕痕完成签到,获得积分10
11秒前
keyanhunzi完成签到,获得积分10
11秒前
alverine发布了新的文献求助10
12秒前
西江月大团子完成签到,获得积分20
12秒前
12秒前
dt完成签到,获得积分10
13秒前
雪上一枝蒿完成签到,获得积分10
13秒前
健壮的博超完成签到,获得积分10
13秒前
Jorna完成签到,获得积分10
13秒前
慕青应助英俊棉花糖采纳,获得30
14秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 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 3155325
求助须知:如何正确求助?哪些是违规求助? 2806223
关于积分的说明 7868751
捐赠科研通 2464681
什么是DOI,文献DOI怎么找? 1311903
科研通“疑难数据库(出版商)”最低求助积分说明 629783
版权声明 601880