Коэволюционный самонастраивающийся алгоритм оптимизации

Аннотация

В статье предложен коэволюционный самонастраивающийся алгоритм для решения задач глобальной оптимизации. Алгоритм моделирует эгоистичное поведение особей стада травоядных, подвергающихся нападению стаи хищников. Поисковые агенты управляются набором аттрактивных операторов поиска на основе паттернов индивидуального и коллективного поведения агентов, а также механизмов популяционного отбора в системе «жертва–хищник». Агенты перемещаются в пространстве решений задачи оптимизации, используя набор операторов, имитирующих различные виды поведения, в том числе эгоистичного. В отличие от большинства конкурирующих алгоритмов предлагаемый коэволюционный самонастраивающийся алгоритм позволяет не только моделировать различные виды эгоистичного поведения. Он включает вычислительные механизмы для сохранения баланса между скоростью сходимости алгоритма и диверсификацией пространства поиска решений. Результативность алгоритма анализируется с помощью серии экспериментов для задач поиска глобального минимума в наборе из 5 известных тестовых функций. Результаты сравнивались с 7 конкурирующими биоэвристиками по таким показателям, как среднее лучшее на данный момент решение, медианное лучшее на данный момент решение и стандартное отклонение от лучшего на данный момент решения. Точность предлагаемого алгоритма оказалась выше, нежели у конкурирующих алгоритмов. Непараметрическое доказательство статистической значимости полученных результатов с использованием Т-критерия Уилкоксона позволяет утверждать, что результаты коэволюционного самонастраивающегося алгоритма являются статистически значимыми.