引言
指数分布优化器Exponential Distribution Optimizer,EDO的主要灵感来自于基于指数概率分布模型的数学。该算法包括两种开发方法和勘探策略。该成果于2023年1月发表在计算机领域的核心SCI期刊Artificial Intelligence Review上。
单峰固定维度和变维度基准。第二个实验主要包括44个测试函数,分别属于多模态基准的固定维数和变维数。对比算法有DE(点击),PSO(点击),CS(点击),WOA(点击),GWO(点击),TLBO(点击),EO(点击),GNDO(点击),GBO(点击),AO(点击)。
EDO具有很高的探索能力,因为它使用从获胜者中随机选择的两个获胜者来产生另外两个具有这些获胜者的几个特征的个体,这些特征旨在发现搜索空间中有前途的区域。通过129个测试函数(经典、CEC 2017、CEC 2020、CEC 2022)和6个工程问题(即三杆桁架、齿轮系、减速机、拉伸/压缩弹簧、悬臂梁和压力容器),对不同家族的10种广受好评的算法进行了EDO测试。通过均值、标准差、最佳、最差、CPU时间、箱线图、可扩展性图、Wilcoxon符号秩和检验和秩和等统计分析,验证了算法的有效性。实验证明,EDO能获得较好的结果,是解决CEC竞赛的有力工具。此外,EDO在大多数函数中具有较低的中位数,同时保持较窄的四分位数范围。我们发现EDO优于其竞争对手算法,p值较小(< 0.05),表明差异显著,性能优越。
参考文献
Abdel-Basset, M., El-Shahat, D., Jameel, M. et al. Exponential distribution optimizer (EDO): a novel math-inspired algorithm for global optimization and engineering problems. Artif Intell Rev (2023). https://doi.org/10.1007/s10462-023-10403-9
Matlab代码下载
微信搜索并关注-优化算法侠,或扫描下方二维码关注,以算法名字搜索历史文章即可下载。优化算法-指数分布优化器Exponential Distribution Optimizer(附Matlab代码)