기고글 토론 "모집단 최적화 알고리즘: 뻐꾸기 최적화 알고리즘(COA)"
메타휴리스틱 최적화 기법에 관한 글은 정말 멋집니다! 훌륭한 일을하고 있습니다. Andrey, 당신이 우리와 얼마나 많은 경험을 공유해야하는지 놀랍습니다, 감사합니다!
메타휴리스틱 최적화 타겟을 옵티마이저에 구현하는 것을 고려해 보세요! 소프트웨어에 큰 도움이 될 것입니다.
사용자가 OnTester() 내부에서 쉽게 설정할 수 있는 무언가:
OptimizerSetEngine("ACO"); // 앤트 콜로니 최적화 OptimizerSetEngine("COA"); // 쿠쿠 최적화 알고리즘 OptimizerSetEngine("ABC"); // 인공 벌집 OptimizerSetEngine("GWO"); // 회색 늑대 옵티마이저 옵티마이저셋엔진("PSO"); // 파티클 스웜 최적화
브라질에서 건배
새로운 기고글 모집단 최적화 알고리즘: 뻐꾸기 최적화 알고리즘(COA) 가 게재되었습니다:
다음으로 살펴볼 알고리즘은 레비 비행을 사용한 뻐꾸기 검색 최적화입니다. 이는 최신의 최적화 알고리즘 중 하나이며 인기 있는 새로운 알고즘 중 하나입니다.
알은 교체됩니다. 그렇지 않으면 부모의 알이 둥지에 남아있게 됩니다. 실제로는 살아남은 병아리로부터 이어지는 진화가 계속됩니다. 즉 부모 알의 새끼가 살아남았다면 같은 곳에서 진화가 계속된다는 뜻입니다. 추가 개발은 뻐꾸기 알이 더 살아갈 수 있는 것으로 판명되고 문제 해결을 위한 검색이 새로운 장소에서 계속되는 경우에만 가능합니다. 의사 결정 트리는 그림 1에 개략적으로 나와 있습니다.
그림 1. 의사 결정 트리. 빨간색 점이 시작이고 녹색 점이 최종 결정입니다.
작성자: Andrey Dik