EO 的灵感来自于控制体积质量平衡来估计动态和平衡状态。 在 EO 中,搜索代理相对于一些称为平衡候选的天才粒子随机更新它们的浓度(位置),以最终达到平衡状态作为最佳结果。
EO 的性能通过 58 个数学函数(包括单峰、多峰、混合和复合函数)以及 3 个工程基准问题进行验证,并将其性能与三类优化方法进行比较; GA 和 PSO 作为研究最多的元启发式算法,GWO、GSA 和 SSA 作为最近开发的算法,CMA-ES、SHADE 和 LSHADE-SPACMA 作为高性能优化器。 综合统计分析表明,EO 能够显着优于 PSO、GA、GWO、GSA、SSA 和 CMA-ES,而其性能在统计上与 SHADE 和 LSHADE-SPACMA 相似。
主要论文:A. Faramarzi、M. Heidarinejad、B. Stephens、S. Mirjalili,均衡优化器:一种新颖的优化
2021-06-26 21:56:52
6KB
matlab
1