研究人员开发了一种改进的波光学优化器(IWOO),通过整合四项关键策略来增强数值优化和工程应用。这些策略包括:使用良好点集和对抗性学习的改进种群初始化;使用E-DM非线性扰动机制的多路径搜索策略;利用决策变量关系的关联引导分组正交学习(CGOL);以及自适应停滞感知Runge-Kutta校正以防止过早收敛。IWOO在IEEE CEC基准套件和约束工程问题上进行了评估,展示了其竞争性能和实际适用性。 AI
影响 这项研究引入了新颖的数值优化混合策略,有望提高工程应用的效率和准确性。
排序理由 该项目是一篇关于新优化算法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
- arXiv
- CEC2017
- CEC2022
- CGOL
- Correlation-Guided Groupwise Orthogonal Learning
- GPS--OBL
- IEEE CEC2019
- Runge--Kutta Semidiscretizations for Stochastic Maxwell Equations with Additive Noise
- TriEDM
- Wave Optics Optimizer
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →