Indexé dans
- Genamics JournalSeek
- RechercheRef
- Université Hamdard
- EBSCO AZ
- OCLC - WorldCat
- Publions
- Pub européen
- Google Scholar
Liens utiles
Partager cette page
Dépliant de journal
Revues en libre accès
- Agriculture et aquaculture
- Alimentation et nutrition
- Biochimie
- Bioinformatique et biologie des systèmes
- Business & Management
- Chimie
- Génétique et biologie moléculaire
- Immunologie & Microbiologie
- Ingénierie
- La science des matériaux
- Neurosciences & Psychologie
- Science générale
- Sciences cliniques
- Sciences environnementales
- Sciences médicales
- Sciences pharmaceutiques
- Sciences vétérinaires
- Soins infirmiers et soins de santé
Abstrait
Algorithme d'optimisation efficace des colonies de fourmis (EACO) pour une optimisation déterministe
Urmila M Diwekar*et Berhane H Gebreslassie
Dans cet article, un algorithme d'optimisation efficace des colonies de fourmis (EACO) est proposé sur la base d'une méthode d'échantillonnage efficace pour résoudre des problèmes d'optimisation combinatoires, continus et à variables mixtes. Dans l'algorithme EACO, l'échantillonnage de séquence de Hammersley (HSS) est introduit pour initialiser l'archive de solutions et pour générer des nombres aléatoires multidimensionnels. Les capacités de l'algorithme proposé sont illustrées par 9 problèmes de référence. Les résultats des problèmes de référence de l'algorithme EACO et de l'algorithme ACO conventionnel sont comparés. Plus de 99 % des résultats de l'EACO montrent une amélioration de l'efficacité et l'amélioration de l'efficacité de calcul varie de 3 % à 71 %. Ainsi, ce nouvel algorithme peut être un outil utile pour les problèmes d'optimisation à grande échelle et à grande échelle. De plus, les performances de l'EACO sont également testées à l'aide des cinq variantes d'algorithmes de fourmis pour les problèmes combinatoires.