Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2016 | OriginalPaper | Buchkapitel

A Hybrid Group Search Optimizer with Opposition-Based Learning and Differential Evolution

verfasst von : Chengwang Xie, Wenjing Chen, Weiwei Yu

Erschienen in: Computational Intelligence and Intelligent Systems

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Group search optimizer (GSO) is a recently developed heuristic inspired by biological group search resources behavior. However, it still has some defects such as slow convergence speed and poor accuracy of solution. In order to improve the performance of GSO in solving complex optimization problems, an opposition-based learning approach (OBL) and a differential evolution method (DE) are integrated into GSO to form a hybrid GSO. In this paper, the strategy of OBL is used to enlarge the search region, and the operator of DE is utilized to enhance local search to improve. Comparison experiments have demonstrated that our hybrid GSO algorithm performed advantages over previous GSO and DE approaches in convergence speed and accuracy of solution.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel A New Firefly Algorithm with Local Search for Numerical Optimization
Literatur
1.
Holland, J.H.: Adaptation in Natural and Artificial Systems. University of Michigan Press, AnnArbor (1975)
2.
3.
Kennedy, J., Eberhart, R.C.: Particle swarm optimization. In: Proceedings of IEEE International Conference on Neural Networks, pp. 1942–1948 (1995)
4.
Dorigo, M., Maniezzo, V., Colorni, A.: The ant system: optimization by a colony of cooperating agents. IEEE Trans. Syst. Man Cybern. Part B Cybern. 26, 29–41 (1996)CrossRef
5.
Storn, R., Price, K.: Differential evolution-a simple efficient adaptive scheme for global optimization. J. Global Optim. 11, 341–359 (1997)CrossRefMathSciNetMATH
6.
He, S., Wu, Q.H., Saunders, J.R.: A novel group search optimizer inspired by animal behavioural ecology. In: 2006 IEEE Congress on Evolutionary Computation (CEC), pp. 1272–1278. IEEE Xplore, Vancouver, BC, Canada. New York, 16–21 July 2006
7.
He, S., Wu, Q.H., Saunders, J.R.: Group search optimizer:an optimization algorithm inspired by animal searching behavior. IEEE Trans. Evol. Comput. 13(5), 973–990 (2009)CrossRef
8.
Rahnamayan, S., Tizhoosh, H.R., Salama, M.M.A.: Opposition-based differential evolution algorithms. In: IEEE Congress on Evolutionary Computation Canada (2006)
9.
Giraldeau, L.-A., Lefebvre, L.: Exchangeable producer and scrounger roles in a captive flock of feral pigeons - a case for the skill pool effect. Anim. Behav. 34(3), 797–803 (1986)CrossRef
10.
Storn, R., Price, K.: Differential evolution-a simple and efficient heuristic for global optimization over continuous spaces. J. Glob. Optim. 11, 341–359 (1997)CrossRefMathSciNetMATH
11.
Yuan, J., Sun, Z., Qu, G.: Simulation study of differential evolution. J. Syst. Simul. 20, 4646–4647 (2007)
12.
Wang, F.-S., Jang, H.-J.: Parameter estimation of a bioreaction model by hybrid differential evolution. Evol. Comput. 1, 16–19 (2000)
13.
He, S., Wu, Q.H., Saunders, J.R.: Group search optimizer: an opimization algorithm inspired by animal searching behavior. IEEE Trans. Evol. Comput. 13(5), 973–990 (2009)CrossRef
14.
Yao, X., Liu, Y., Liu, G.: Evolutionary programming made faster. IEEE Trans. Evol. Comput. 3(2), 82–102 (1999)CrossRef
15.
16.
Qin, A.K., Huang, V.L., Suganthan, P.N.: Differential evolution algorithm with strategy adaptation for global numerical optimization. IEEE Trans. Evol. Comput. 13(2), 398–417 (2009)CrossRef
17.
Liu, G., Li, Y., Zhang, Q.: Enhancing the search ability of differential evolution through orthogonal crossover. Inf. Sci. 185(1), 153–177 (2012)CrossRefMathSciNet
Metadaten
Titel
A Hybrid Group Search Optimizer with Opposition-Based Learning and Differential Evolution
verfasst von
Chengwang Xie
Wenjing Chen
Weiwei Yu
Copyright-Jahr
2016
Verlag
Springer Singapore
Buch
Computational Intelligence and Intelligent Systems

Print ISBN: 978-981-10-0355-4

Electronic ISBN: 978-981-10-0356-1

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-981-10-0356-1_1