Smell Agent Optimization (SAO)(2021年提出)(智能优化算法matlab代码)(附论文).zip

上传者: wq6qeg88 | 上传时间: 2022-04-15 13:07:35 | 文件大小: 2.18MB | 文件类型: ZIP
Smell Agent Optimization (SAO)(2021年提出)(智能优化算法matlab代码)(论文).zip 本文介绍了对一些 CEC数值优化基准函数的称为气味代理优化 (SAO)的新元启发式算法的广泛研究 和混合可再生能源系统(HRES)工程问题。SAO 实现了气味代理和蒸发气味分子的对象之间的关系。这些关系被建模为三种独立的模式,称为嗅探模式、尾随模式和随机模式。当气味分子从气味源向代理扩散时,嗅探模式模拟代理的气味感知能力。尾随模式模拟代理跟踪气味分子的一部分直到其来源被识别的能力。然而,随机模式是代理用来避免陷入局部最小值的一种策略。对 37 个常用的 CEC 基准函数和 HRES 工程问题进行了测试,并将结果与​​其他 6 种元启发式方法进行了比较。实验结果表明,SAO 可以在 76% 的基准函数中找到全局最优值。同样,统计结果表明,SAO 也获得了最具成本效益的HRES 设计与基准算法的比较。 针对 CEC 基准功能和混合再生能源系统(HRES,提出了一种新的启发式算法——嗅觉代理优化(Smell Agent Optimization,SAO)工程优化问

文件下载

资源详情

[{"title":"( 10 个子文件 2.18MB ) Smell Agent Optimization (SAO)(2021年提出)(智能优化算法matlab代码)(附论文).zip","children":[{"title":"Smell Agent Optimization (SAO)(2021年提出)(智能优化算法matlab代码)(论文)","children":[{"title":"SAO","children":[{"title":"func_plot.m <span style='color:#111;'> 2.98KB </span>","children":null,"spread":false},{"title":"main.m <span style='color:#111;'> 2.78KB </span>","children":null,"spread":false},{"title":"rastrigin.m <span style='color:#111;'> 863B </span>","children":null,"spread":false},{"title":"griewank.m <span style='color:#111;'> 950B </span>","children":null,"spread":false},{"title":"fun4sn0.m <span style='color:#111;'> 977B </span>","children":null,"spread":false},{"title":"Select_Function.m <span style='color:#111;'> 11.31KB </span>","children":null,"spread":false},{"title":"initialization.m <span style='color:#111;'> 488B </span>","children":null,"spread":false},{"title":"SAO.m <span style='color:#111;'> 3.49KB </span>","children":null,"spread":false},{"title":"mccormick.m <span style='color:#111;'> 938B </span>","children":null,"spread":false}],"spread":true},{"title":"A Novel Smell Agent Optimization (SAO) An extensive CEC study and engineering application.pdf <span style='color:#111;'> 2.67MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明