Discussion de l'article "Algorithmes d'optimisation de la population : Algorithme d'Optimisation du Loup Gris - Grey Wolf Optimizer (GWO)"
Y aura-t-il une optimisation par la méthode du troupeau du pauvre ? ))
Ces articles sur les techniques d'optimisation métaheuristiques sont géniaux ! Tu fais un travail formidable Andrey, c'est époustouflant la quantité d'expérience que tu as à partager avec nous, merci !
@METAQUOTES envisagez de mettre en œuvre ces objectifs d'optimisation métaheuristique dans l'optimiseur ! Ce serait formidable pour le logiciel.
Quelque chose de facile que l'utilisateur peut définir à l'intérieur de OnTester() comme :
OptimizerSetEngine("ACO"); // Optimisation par colonies de fourmis OptimizerSetEngine("COA"); // algorithme d'optimisation coucou OptimizerSetEngine("ABC")); // colonie d'abeilles artificielle OptimizerSetEngine("GWO"); // optimiseur loup gris OptimizerSetEngine("PSO"); // optimisation par essaims de particules
Merci du Brésil
Un nouvel article Algorithmes d'optimisation de la population : Algorithme d'Optimisation du Loup Gris - Grey Wolf Optimizer (GWO) a été publié :
Considérons l'un des algorithmes d'optimisation modernes les plus récents : le Grey Wolf Optimization. Le comportement original sur les fonctions de test fait de cet algorithme l'un des plus intéressants parmi ceux considérés précédemment. C'est l'un des meilleurs algorithmes à utiliser dans la formation de réseaux de neurones, des fonctions fluides avec de nombreuses variables.
Fig. 3 : Schéma du mouvement oméga par rapport à alpha, beta et delta
Le pseudo-code de l'algorithme GWO est le suivant :
Auteur : Andrey Dik