A memetic meta-heuristic called the

A memetic meta-heuristic called the shuffled frog-leaping algorithm (SFLA) has been developed for solving combinatorial optimization problems. The SFLA is a population-based cooperative search metaphor inspired by natural memetics. The algorithm contains elements of local search and global information exchange. The SFLA consists of a set of interacting virtual population of frogs partitioned into different memeplexes. The virtual frogs act as hosts or carriers of memes where a meme is a unit of cultural evolution. The algorithm performs simultaneously an independent local search in each memeplex. The local search is completed using a particle swarm optimization-like method adapted for discrete problems but emphasizing a local search. To ensure global exploration, the virtual frogs are periodically shuffled and reorganized into new memplexes in a technique similar to that used in the shuffled complex evolution algorithm. In addition, to provide the opportunity for random generation of improved information, random virtual frogs are generated and substituted in the population.The algorithm has been tested on several test functions that present difficulties common to many global optimization problems. The effectiveness and suitability of this algorithm have also been demonstrated by applying it to a groundwater model calibration problem and a water distribution system design problem. Compared with a genetic algorithm, the experimental results in terms of the likelihood of convergence to a global optimal solution and the solution speed suggest that the SFLA can be an effective tool for solving combinatorial optimization problems.

Kết quả (Việt) 1:

Một memetic siêu heuristic gọi là xáo trộn nhảy ếch thuật toán (SFLA) đã được phát triển để giải quyết vấn đề tối ưu hóa tổ hợp. SFLA là một ẩn dụ dân dựa trên tìm kiếm hợp tác xã lấy cảm hứng từ thiên nhiên memetics. Các thuật toán có các yếu tố của tìm kiếm địa phương và trao đổi thông tin toàn cầu. SFLA bao gồm một tập hợp các tương tác ảo dân số ếch phân chia thành memeplexes khác nhau. Những con ếch ảo hoạt động như máy chủ hoặc tàu sân bay của memes nơi một meme là một đơn vị của văn hóa evolution. Các thuật toán thực hiện cùng một lúc một tìm kiếm độc lập địa phương ở mỗi memeplex. Tìm kiếm địa phương được hoàn thành bằng cách sử dụng một hạt swarm tối ưu hóa-giống như phương pháp phù hợp cho vấn đề rời rạc, nhưng nhấn mạnh một tìm kiếm địa phương. Để đảm bảo toàn cầu thăm dò, những con ếch ảo được định kỳ xáo trộn và tổ chức lại thành mới memplexes trong một kỹ thuật tương tự như được sử dụng trong các thuật toán xáo trộn sự tiến hóa phức tạp. Ngoài ra để cung cấp cơ hội cho các thế hệ ngẫu nhiên của thông tin được cải thiện, ngẫu nhiên ảo ếch được tạo ra và thay thế trong dân số.Các thuật toán đã được thử nghiệm trên một số thử nghiệm chức năng trình bày những khó khăn chung cho nhiều vấn đề tối ưu hóa toàn cầu. Hiệu quả và phù hợp của thuật toán này cũng đã được chứng minh bằng cách áp dụng nó để một nước ngầm mô hình cân chỉnh vấn đề và vấn đề thiết kế hệ thống phân phối nước. So với một thuật toán di truyền, Các kết quả thử nghiệm trong điều khoản của khả năng hội tụ đến một giải pháp tối ưu toàn cầu và tốc độ giải pháp đề nghị rằng SFLA có thể là một công cụ hiệu quả để giải quyết vấn đề tối ưu hóa tổ hợp.

Kết quả (Việt) 2:

Một memetic meta theo kinh nghiệm được gọi là thuật toán ếch nhảy lê (SFLA) đã được phát triển để giải quyết các vấn đề tối ưu hóa tổ hợp. Các SFLA là một phép ẩn dụ hợp tác tìm kiếm dựa trên dân số lấy cảm hứng từ memetics tự nhiên. Các thuật toán có chứa yếu tố tìm kiếm địa phương và trao đổi thông tin toàn cầu. Các SFLA bao gồm một tập hợp các tương tác dân số ảo ếch phân chia thành memeplexes khác nhau. Những con ếch ảo hoạt động như máy chủ hoặc mang memes nơi một meme là một đơn vị của sự tiến hóa văn hóa. Các thuật toán thực hiện đồng thời một tìm kiếm địa phương độc lập trong mỗi memeplex. Tìm kiếm địa phương được hoàn thành bằng cách sử dụng một phương pháp tối ưu hóa như bầy hạt thích nghi cho các vấn đề rời rạc nhưng nhấn mạnh một tìm kiếm địa phương. Để đảm bảo thăm dò toàn cầu, những con ếch ảo được kỳ xáo trộn và tổ chức lại thành memplexes mới trong một kỹ thuật tương tự như được sử dụng trong các thuật toán tiến hóa phức tạp xáo trộn. Ngoài ra, để tạo cơ hội cho thế hệ ngẫu nhiên được cải thiện thông tin, ếch ảo ngẫu nhiên được tạo ra và thay thế trong các thuật toán population.The đã được thử nghiệm trên một số chức năng kiểm tra những khó khăn hiện nay phổ biến đến nhiều vấn đề tối ưu hóa toàn cầu. Hiệu quả và phù hợp của thuật toán này cũng đã được chứng minh bằng cách áp dụng nó vào một vấn đề hiệu chỉnh mô hình nước ngầm và hệ thống phân phối nước vấn đề thiết kế. So với một thuật toán di truyền, các kết quả thực nghiệm về khả năng hội tụ đến một giải pháp tối ưu toàn cầu và tốc độ giải pháp cho thấy SFLA có thể là một công cụ hiệu quả để giải quyết vấn đề tối ưu hóa tổ hợp.