Driving Training-Based Optimization: A New Human-Based Metaheuristic Algorithm for Solving Optimization Problems
参考文献:Dehghani M, Trojovská E, Trojovský P. Driving Training-Based Optimization: A New Human-Based Metaheuristic Algorithm for Solving Optimization Problems[J]. 2022…
注:仅记录学习,如有侵权,联系删除。
当你有疑问,为什么这些算法层次不穷的时侯,可以看看NFL定理。
there is no guarantee that an algorithm will work the same in all optimization problems.
作者又出乎意料的来了一个基于驾驶训练的优化算法,动物园快结束了,谁能想到开始了基于人的元启发式算法盛行了。
各位少年,努力把,你苦苦在学车,别人把车造了,车学了,你练了,考了证了,就走了。有的人却在这上面做了文章,我只能感慨差距啊。不用憧憬在未来,我想在我写这篇博客的时候,已经存在好多了。孤陋寡闻啊。
优化的问题:决策变量、约束条件、目标函数
DBTO灵感来源:
主要关心的是位置如何更新的,这也是所有算法的关键之处
1、教练的培训
这个阶段是基于学车者对教练的选择,然后由选定的教练对学车这进行培训
选择一定数量的最佳成员作为教练,其余作为学车者。这个阶段将增加BTBO在全局搜索和发现最优区域的探索能力。选择的时候是根据适应度的值来选取的,数量假设为N,N是一个动态更新的数字,可根据下述描述的公式。
这个阶段的位置更新方式
2、学车者学习教练的本事
3、学车者自己的学习
这个阶段像极了自己的操作。大家在学车的时候,可能教练不是这么教的,你自己创建了自己的独特开车方式。很帅。
伪代码
作者对未来研究方向的简短阐述,他对比了PSO,WOA,MVO,GA,GWO,GSA,TLBO,RSA,TSA
我只能说不分好坏。没有绝对的好,没有绝对的坏。我打算把自己现在有的智能算法做一个系统的分类。当然,我也是看别人论文对这些的定义。做一个暂时的归纳吧
可以学习学习,看看优秀的论文是如何做对比的。独立运行20次,和经典的十个算法做了比较
对比的东西包括:平均值,最优值,最差值,标准差,中位数,排名
我只能说只有自己运行一次才知道会得到什么样的结果。
图我就不放了,别人写好的代码,我运行一下也没多大意义。
大家可以学习学习思路。可能用不到,但是读完之后总有些许收获。
没有目录,没有自己敲公式,觉得罪恶啊。希望下次可以做到好好写。哈哈哈。
在线征求一份伪代码的模板,我是用word三线表画的,敲公式的时候感觉不对劲。大家有没有好的推荐,谢谢啊。