Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

04.02.2020 | Methodologies and Application | Ausgabe 17/2020

Soft Computing 17/2020

A self-adaptive virus optimization algorithm for continuous optimization problems

Zeitschrift:
Soft Computing > Ausgabe 17/2020
Autoren:
Yun-Chia Liang, Josue Rodolfo Cuevas Juarez
Wichtige Hinweise
Communicated by V. Loia.

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Given the outstanding effectiveness and efficiency performance in different fields such as image processing and energy dispatching, the virus optimization algorithm (VOA), a newly developed metaheuristic for general optimization purposes, has been further improved. Similar to other metaheuristic methods, VOA performance to some degree relies on proper parameter settings, which may require large numbers of experiments to determine. Therefore, this study proposes a self-adaptive version of VOA (SaVOA) to decrease the number of controllable parameters in the algorithm and thus reduce the time needed to determine proper parameter values by any sort of experimental design process. Having an SaVOA ensures the ease access of the algorithm for different types of continuous domain problems, whereas previous different optimization problems may have needed different parameter settings. To perform the comparison, SaVOA is tested by optimizing the same set of benchmark functions used when proposing the original VOA. Computational results indicate some major advances were achieved by the SaVOA in addition to competitive results obtained. Most importantly, SaVOA proved its superiority on functions where the original VOA was not powerful enough to perform well, such as Rosenbrock, Schwefel, Drop Wave, Levy, and Easom’s functions. In terms of implementation, the number of controllable parameters in SaVOA was greatly reduced to only one—the stopping criterion. This promises a significant improvement in the utility of SaVOA for any type of continuous domain optimization problem.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

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

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

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

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

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




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

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




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 17/2020

Soft Computing 17/2020 Zur Ausgabe

Premium Partner

    Bildnachweise