Skuteczność nowoczesnych algorytmów optymalizacji czerpiących inspirację z procesów naturalnych

• Autorzy: Klawikowska Zuzanna , Puchalski Bartosz

Identyfikatory

DOI

10.32016/1.71.04

Warianty tytułu

EN

The effectiveness of modern optimization algorithms inspired by natural processes

• Konferencja: Zastosowanie komputerów w nauce i technice 2020 (XXX ; 2020 ; Gdańsk ; Polska)
• Języki publikacji: PL

Abstrakty

PL

Ze względu na nieistnienie uniwersalnego algorytmu optymalizacji rozwiązującego wszystkie problemy naukowotechniczne opracowywanie nowych i wydajniejszych obliczeniowo algorytmów optymalizacyjnych wciąż jest popularnym zadaniem. Przeglądając literaturę z dziedziny optymalizacji można zauważyć trend tworzenia „wymyślnych” algorytmów opartych na procesach naturalnych. W artykule sprawdzono skuteczność nowopowstałych algorytmów meta-heurystycznych zainspirowanych życiem owadów i zwierząt – czarnych wdów (algorytm BWO) oraz szarego wilka (algorytm GWO). Skuteczność działania wybranych algorytmów porównano z klasycznym algorytmem quasi-Newtonowskim BFGS oraz strategią ewolucyjną CMA-ES, które charakteryzują się solidnym uwarunkowaniem matematycznym. W celach porównawczych wykorzystano 3 wybrane funkcje testowe. W ramach badań sprawdzono również wpływ liczby zmiennych decyzyjnych na czas uzyskiwania rozwiązania.

EN

Due to the lack of a universal optimization algorithm which solves all scientific and technical problems, developing new and more computationally efficient optimization algorithms is still a popular challenge. Reviewing the literature on optimization there is a trend to create "fancy" algorithms based on natural processes. The article examines the effectiveness of newly developed meta-heuristic algorithms inspired by insects and animals - black widows (BWO algorithm) and grey wolf (GWO algorithm). The effectiveness of the selected algorithms was compared with the classical quasi-Newtonian BFGS algorithm and the evolutionary strategy CMA-ES, which are characterized by a solid mathematical background. Three selected benchmark functions were used for comparison purposes. The study also included a test of the influence of the number of design variables on the time complexity.

Słowa kluczowe

PL

optymalizacja; algorytmy optymalizacji; benchmark; metaheurystyki

EN

optimization; optimization algorithms; benchmark; metaheuristics

• Wydawca: Wydział Elektrotechniki i Automatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
• Rocznik: 2020
• Tom: Nr 71
• Strony: 35--40
• Opis fizyczny: Bibliogr. 11 poz., tab., rys.

Twórcy

autor

Klawikowska Zuzanna

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki

autor

Puchalski Bartosz

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki

Bibliografia

• 1. Sörensen K.: Metaheuristics - the metaphor exposed. International Transactions, Operational Research, Nr 22 (1), 2015, s. 3-18.
• 2. Hayyolalam V., Kazem, A. A. P.: Black widow optimization algorithm: A novel meta-heuristic approach for solving engineering optimization problems, Engineering Applications of Artificial Intelligence, Nr 87, 2020, s.103249.
• 3. Mirjalili S., Mirjalili S. M., Lewis A.: Grey wolf optimizer, Advances in engineering software, Nr 69, 2014, s. 46-61.
• 4. Nocedal, J., Wright, S. J.: Numerical Optimization (2nd ed.), Springer, Berlin, New York 2006.
• 5. Hansen N.: The CMA evolution strategy: a comparing review, Towards a new evolutionary computation, Springer, Berlin, Heidelberg, 2006, s. 75-102.
• 6. https://docs.scipy.org/doc/scipy/reference/optimize.minimize-lbfgsb.html, [Dostęp: 16.09.2020].
• 7. http://cma.gforge.inria.fr/apidocspycma/cma.evolution_strategy.html#fmin, [Dostęp: 16.09.2020].
• 8. https://github.com/hayyolalam/Hlm, [Dostęp: 16.09.2020].
• 9. https://www.mathworks.com/matlabcentral/fileexchange/44974-grey-wolf-optimizer-gwo, [Dostęp: 16.09.2020].
• 10. Saputro, D. R. S., Widyaningsih, P.: imited memory Broyden-Fletcher-Goldfarb-Shanno (L-BFGS) method for the parameter estimation on geographically weighted ordinal logistic regression model (GWOLR), AIP Conference Proceedings, Nr 1868 (1), 2017, s. 40009.
• 11. Hansen, N., Müller, S. D., Koumoutsakos, P.: Reducing the time complexity of the derandomized evolution strategy with covariance matrix adaptation (CMA-ES), Evolutionary computation, Nr 11 (1), 2003, s.1-18.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).