Новый Human Conception Optimizer для решения задач оптимизации.

Том 12 научных отчетов, номер статьи: 21631 (2022) Цитировать эту статью

2053 Доступа

16 Альтметрика

Подробности о метриках

Вычислительные методы широко используются для решения сложных задач оптимизации в различных областях, таких как инженерия, финансы, биология и так далее. В этой статье Оптимизатор человеческой концепции (HCO) предлагается как новый метаэвристический алгоритм для решения любых задач оптимизации. Идея этого алгоритма основана на некоторых биологических принципах процесса зачатия человека, таких как селективный характер цервикального геля в женской репродуктивной системе, позволяющий пропускать только здоровые сперматозоиды в шейку матки, направляющий характер геля слизи, помогающий отслеживать сперматозоиды. путь генитального отслеживания к яйцеклетке в фаллопиевой трубе, асимметричный характер движения жгутиков, который позволяет сперматозоидам перемещаться в репродуктивной системе, процесс гиперактивации сперматозоидов, позволяющий им оплодотворить яйцеклетку. Таким образом, математически моделируются стратегии, используемые сперматозоидами при поиске яйцеклетки в фаллопиевой трубе. Решением алгоритма станет лучший сперматозоид, который будет соответствовать положению яйцеклетки. Производительность предлагаемого алгоритма HCO проверяется с помощью набора базовых функций эталонного тестирования, называемых IEEE CEC-2005 и IEEE CEC-2020. Также проводится сравнительное исследование алгоритма HCO и других доступных алгоритмов. Значимость результатов проверяют статистическими методами испытаний. Для проверки предлагаемого алгоритма HCO исследуются две реальные задачи инженерной оптимизации. Для этой цели рассматривается комплексная распределительная система с 14 реле максимального тока на базе шины IEEE 8. С помощью предложенного алгоритма наблюдается улучшение общего времени срабатывания реле на 50–60% по сравнению с некоторыми существующими результатами для той же системы. Рассмотрена еще одна инженерная задача проектирования оптимального пропорционально-интегрально-дифференциального (ПИД) регулятора для аппарата искусственной вентиляции легких (ИВЛ) с приводом от вентилятора. В системе MV наблюдается значительное улучшение по времени отклика, времени установления по сравнению с существующими результатами.

Метод оптимизации — это численный вычислительный метод, позволяющий найти оптимальное решение проблемы реального времени в различных областях, таких как инженерия, менеджмент, финансы и т. д.1,2,3,4,5,6. Методы аналитической оптимизации — это сложные и трудоемкие процессы, позволяющие получить оптимальное решение сложной задачи оптимизации. Опять же, эвристические методы оптимизации являются методами, зависящими от проблемы7. Им нужны особенности оптимизационной задачи. Они слишком жадны, чтобы попасться в ловушку локального решения. Метаэвристические методы не зависят от проблемы. Они могут предложить приемлемое решение, не гарантируя оптимальности8. Простую концепцию можно легко реализовать, чтобы создать метаэвристический алгоритм для быстрого решения сложной проблемы. Такие алгоритмы можно применять в любой задаче оптимизации без изменения структуры алгоритма. По сравнению с алгоритмами оптимизации, основанными на анализе, метаэвристический алгоритм свободен от действий вывода для поиска оптимального решения. Таким образом, задача реального времени может быть решена с помощью любого метаэвристического алгоритма, требующего только информации о входе и выходе системы9. Поэтому исследователи отдают приоритет разработке метаэвристических алгоритмов, использующих естественные концепции, такие как концепция эволюции, поведение природных существ и процедура охоты, которой следуют животные, и так далее9,10,11.

В метаэвристических алгоритмах они начинают с исследования новых решений и их передачи для использования лучшего решения для данной проблемы11. На этапе эксплуатации метаэвристического алгоритма новое решение создается на основе лучшего решения, доступного в популяции. Таким образом, метаэвристические алгоритмы используют процесс исследования и эксплуатации, чтобы избежать локальных проблем перехвата и сходиться к оптимальному решению. Более того, установив правильный баланс на этапах исследования и эксплуатации такого алгоритма, можно избежать проблемы локальной оптимальности традиционных методов12,13.