La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Multi-Objective Ant Lion Optimizer Based on Time Weight Optimiseur multi-objectifs Ant Lion basé sur le poids temporel

Yi LIU, Wei QIN, Jinhui ZHANG, Mengmeng LI, Qibin ZHENG, Jichuan WANG

  • Vues en texte intégral

    0

  • Citer

Résumé:

Les algorithmes évolutifs multi-objectifs sont largement utilisés dans de nombreux problèmes d’optimisation technique et applications d’intelligence artificielle. L'optimiseur de fourmis-lions est une méthode évolutive exceptionnelle, mais deux problèmes doivent être résolus pour l'étendre au domaine de l'optimisation multi-objectifs, l'un est de savoir comment mettre à jour l'archive Pareto et l'autre est de savoir comment choisir les lions d'élite et les fourmis dans les archives. Nous développons une nouvelle variante multi-objectif de l’optimiseur Ant Lion dans cet article. Une nouvelle mesure combinant la relation de dominance Pareto et l'information à distance des individus est proposée et utilisée pour résoudre le premier problème. Le concept de poids temporel est développé pour résoudre le deuxième problème. En outre, une opération de mutation est adoptée sur les solutions situées au milieu de l'archive pour améliorer encore ses performances. Onze fonctions, quatre autres algorithmes et quatre indicateurs sont utilisés pour évaluer la nouvelle méthode. Les résultats montrent que l’algorithme proposé présente de meilleures performances et une complexité temporelle moindre.

Publication
IEICE TRANSACTIONS on Information Vol.E104-D No.6 pp.901-904
Date de publication
2021/06/01
Publicisé
2021/03/11
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2021EDL8009
Type de manuscrit
LETTER
Catégories
Intelligence artificielle, exploration de données

Auteurs

Yi LIU
  Defense Innovation Institute
Wei QIN
  Defense Innovation Institute
Jinhui ZHANG
  Logistic Support Center of Chinese PLA General Hospital
Mengmeng LI
  Defense Innovation Institute,Tianjin Artificial Intelligence Innovation Center
Qibin ZHENG
  Academy of Military Science
Jichuan WANG
  Defense Innovation Institute,Tianjin Artificial Intelligence Innovation Center

Mots-clés

Table des matières