In this paper a new optimization algorithm based on Differential Evolution, non-dominated sorting strategy and neighborhood exploration strategy for guaranteeing convergence and diversity through the generation of neighborhoods of different sizes to potential candidates in the population is presented. The performance of the algorithm proposed is validated by using standard test functions and metrics commonly adopted in the specialized literature. The sensitivity analysis of some relevant parameters of the algorithm is performed and compared with the classical DE algorithm without the strategy of neighborhood exploration and with other state-of-the-art evolutionary algorithms.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
In this paper, an optimization algorithm base immune principle is expatiated, explain its basic theory and process. And discuss immune algorithm’s advantage than other heuristic algorithms, such as: genetic algorithm and evolution strategy. And introduce several better algorithms base immune algorithm, present application in optimization problems. At last we propose immune algorithm’s further development in optimization problems’ application.
PL
W artykule przedstawiono algorytm optymalizacji oparty na układzie odpornościowym. Opisano podstawy teoretyczne i zasady działania. Dokonano porównania z innymi algorytmami heurystycznymi, jak genetyczny i ewolucyjny. Omówiono także potencjalne zastosowanie algorytmów bazujących na proponowanym rozwiązaniu.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.