Diskussion zum Artikel "African Buffalo Optimierung (ABO)"

 

Neuer Artikel African Buffalo Optimierung (ABO) :

Der Artikel stellt den Algorithmus der Afrikanische Büffel-Optimierung (ABO) vor, einen metaheuristischen Ansatz, der 2015 auf der Grundlage des einzigartigen Verhaltens dieser Tiere entwickelt wurde. Der Artikel beschreibt im Detail die Phasen der Implementierung des Algorithmus und seine Effizienz bei der Lösung komplexer Probleme, was ihn zu einem wertvollen Werkzeug im Bereich der Optimierung macht.

Der Algorithmus der Afrikanische Büffel-Optimierung (African Buffalo Optimization, ABO) ist ein metaheuristischer Ansatz, der durch das bemerkenswerte Verhalten dieser Tiere in freier Wildbahn inspiriert wurde. Der ABO-Algorithmus wurde 2015 von den Wissenschaftlern Julius Beneoluchi Odili und Mohd Nizam Kahar auf der Grundlage der sozialen Interaktionen und Überlebensstrategien von afrikanischen Büffeln entwickelt.

Afrikanische Büffel sind bekannt für ihre Fähigkeit, sich in Gruppen zu verteidigen und für ihre Koordination bei der Suche nach Nahrung und Wasser. Diese Tiere leben in großen Herden, was ihnen Schutz vor Raubtieren bietet und ihnen hilft, enge Gruppen zu bilden, in denen sich die Erwachsenen um die Jungen und Schwachen kümmern. Wenn sie von Raubtieren angegriffen werden, zeigen Büffel beeindruckende Koordinationsfähigkeiten: Sie können einen Kreis um die gefährdeten Mitglieder der Herde bilden oder den Feind mit vereinten Kräften angreifen.

Die Grundprinzipien des ABO-Algorithmus spiegeln wichtige Aspekte des Verhaltens von Büffeln wider. Erstens, die Kommunikation: Die Büffel verwenden Schallsignale, um ihre Aktionen zu koordinieren, was im Algorithmus dem Informationsaustausch zwischen den Agenten entspricht. Zweitens, Lernen: Büffel lernen aus ihren eigenen Erfahrungen und den Erfahrungen anderer Herdenmitglieder, was im Algorithmus umgesetzt wird, indem die Positionen der Agenten auf der Grundlage der gesammelten Informationen aktualisiert werden.


Autor: Andrey Dik

 
Sehr interessanter Artikel.
Danke Andrew für deine harte Arbeit und deinen Beitrag.
Ich freue mich schon auf deine Artikel mit Optimierungsmethoden von Jumping Grasshoppers und Attack Panther.
 

Der Autor ist sehr gut! Als absoluter "Dummy" in diesem Thema bin ich einfach nur erstaunt, wie viele verschiedene Methoden der Optimierung es gibt. Wahrscheinlich auch mit Perlenknöpfen? ))

Andrei, bitte sag mir, in welcher Software die Visualisierung gemacht wurde (z.B. ABO auf der Forest-Testfunktion) ???? Vielleicht wurde es irgendwo erwähnt, aber ich habe es verpasst.....

Nächster Artikel über indische Elefanten oder mexikanische Tushkans? ))

 
Nikolai Semko #:
Sehr interessanter Artikel.
Danke Andrej für deine Arbeit und deinen Beitrag.
Ich freue mich auf deine Artikel mit Optimierungsmethoden von Jumping Grasshoppers und Attack Panther.

Vielen Dank, Nikolay, für deine freundlichen Worte.

Ich habe noch nichts über den Jumping Grasshoppers Algorithmus gehört, aber es scheint einige zum Thema Katzen zu geben: Panther Optimisation Algorithm (POA) und Mountain Lion Algorithm (MLA). Ich könnte sie in Betracht ziehen, wenn ich eine Beschreibung finde, die ausreicht, um die Logik dieser Suchstrategien nachzuvollziehen.

 
Denis Kirichenko #:

Der Autor ist sehr gut! Als absoluter "Dummy" in diesem Thema bin ich einfach nur erstaunt, wie viele verschiedene Methoden der Optimierung es gibt. Wahrscheinlich auch mit Perlenknöpfen? ))

Andrei, bitte sag mir, in welcher Software die Visualisierung gemacht wurde (z.B. ABO auf der Forest-Testfunktion) ???? Vielleicht wurde es irgendwo erwähnt, aber ich habe es verpasst....

Nächster Artikel über indische Elefanten oder mexikanische Tushkans? ))

Danke, Denis.

Ich verwende in meinen Artikeln auf mql5.com nur die Sprache MQL5, die Visualisierung wird in MT5 mit Standardwerkzeugen erstellt. Alle Quellcodes sind im Anhang des Artikels verfügbar und Sie können meine Ergebnisse nachvollziehen.

 
Einige meiner Artikel enthalten versteckte "Passphrasen", aber bisher haben die Leser noch keine gefunden.