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:
Parallel Collaborative Filtering Recommendation Model Based on Two-Phase Similarity Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

A Water Wave Optimization Algorithm with Variable Population Size and Comprehensive Learning

verfasst von : Bei Zhang, Min-Xia Zhang, Jie-Feng Zhang, Yu-Jun Zheng

Erschienen in: Intelligent Computing Theories and Methodologies

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Water wave optimization (WWO) is a new nature-inspired metaheuristic by mimicking shallow water wave motions including propagation, refraction, and breaking. In this paper we present a variation of WWO, named VC-WWO, which adopts a variable population size to accelerate the search process, and develops a comprehensive learning mechanism in the refraction operator to make stationary waves learn from more exemplars to increase the solution diversity, and thus provides a much better tradeoff between exploration and exploitation. Experimental results show that the overall performance of VC-WWO is better than the original WWO and other comparative algorithms on the CEC 2015 single-objective optimization test problems, which validates the effectiveness of the two new strategies proposed in the paper.

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
Vorheriges Kapitel Forecasting Weather Signals Using a Polychronous Spiking Neural Network
Nächstes Kapitel Water Wave Optimization for the Traveling Salesman Problem
Literatur
1.
Arabas, J., Michalewicz, Z., Mulawka, J.: GAVaPS-a genetic algorithm with varying population size. In: Proceedings of the First IEEE Conference on Evolutionary Computation, pp. 73–78. IEEE Press, New York (1994)
2.
Brest, J., Maucec, M.S.: Population size reduction for the differential evolution algorithm. Appl. Intell. 29(3), 228–247 (2008)CrossRef
3.
Boussaid, I., Lepagnot, J., Siarry, P.: A survey on optimization metaheuristics. Inf. Sci. 237(1), 82–117 (2013)MathSciNetCrossRef
4.
Chen, D.B., Zhao, C.X.: Particle swarm optimization with adaptive population size and its application. Appl. Softw. Comput. 9(1), 39–48 (2009)CrossRef
5.
Geem, Z.W., Kim, J.H., Loganathan, G.V.: A new heuristic optimization algorithm: harmony search. Simulation 76(2), 60–68 (2001)CrossRefMATH
6.
Holland, J.H.: Adaptation in natural and artificial systems: an introductory analysis with applications to biology, control and artificial intelligence. University of Michigan Press, Michigan (1975)
7.
Huang, H.: Dynamics of surface waves in coastal waters: wave-current-bottom interactions. Springer, Berlin-Heidelberg (2009)CrossRef
8.
Kennedy, J., Eberhart, R.: Particle swarm optimization. In: Proceeding of the IEEE International Conference on Neural Networks, vol. 4, pp. 1942–1948. IEEE Press, New York (1995)
9.
Kennedy, J., Mendes, R.: Neighborhood topologies in fully informed and best-of-neighborhood particle swarms. IEEE Trans. Syst. Man Cybern. Part C 36(4), 515–519 (2006)CrossRef
10.
Koumousis, V.K., Katsaras, C.P.: A saw-tooth genetic algorithm combining the effects of variable population size and reinitialization to enhance performance. IEEE Trans. Evol. Comput. 10(1), 19–28 (2006)CrossRef
11.
Liang, J.J., Qu, B.Y., Suganthan, P.N.: Problem definitions and evaluation criteria for the CEC 2014 special session and competition on single objective real-parameter numerical optimization. Technical report 201311, Computational Intelligence Laboratory, Zhengzhou University, Zhengzhou, China (2014)
12.
Liang, J. J., Qu, B. Y., Suganthan, P. N., Chen, Q.: Problem definitions and evaluation criteria for the CEC 2015 competition on learning-based real-parameter single objective optimization. Technical report 201411A, Computational Intelligence Laboratory, Zhengzhou University, Zhengzhou, China (2014)
13.
Shi, X.H., Wan, L.M., Lee, H.P., Yang, X.W., Wang, L.M., Liang, Y.C.: An improved genetic algorithm with variable population-size and a PSO-GA based hybrid evolutionary algorithm. In: 2003 International Conference on Machine Learning and Cybernetics, vol. 3, pp. 1735–1740 (2003)
14.
Simon, D.: Biogeography-based optimization. IEEE Trans. Evol. Comput. 12(6), 702–713 (2008)CrossRefMATH
15.
Smith, R.E.: Adaptively resizing populations: an algorithm and analysis. In: Proceedings of the 5th International Conference on Genetic Algorithms (ICGA 1993), pp. 653–653 (1993)
16.
Storn, R., Price, K.: Differential evolution-a simple and efficient heuristic for global optimization over continuous spaces. J. Global Optim. 11(4), 341–359 (1997)MathSciNetCrossRefMATH
17.
Wolpert, D.H., Macready, W.G.: No free lunch theorems for optimization. IEEE Trans. Evol. Comput. 1(1), 67–82 (1997)CrossRef
18.
Zheng, Y.J.: Water wave optimization: a new nature-inspired metaheuristic. Comput. Oper. Res. 55, 1–11 (2015)MathSciNetCrossRef
19.
Zheng, Y.J., Zhang, B.: A simplified water wave optimization algorithm. In: Proceedings of the 2015 IEEE Congress on Evolutionary Computation, pp. 807–813. IEEE Press, New York (2015)
Metadaten
Titel
A Water Wave Optimization Algorithm with Variable Population Size and Comprehensive Learning
verfasst von
Bei Zhang
Min-Xia Zhang
Jie-Feng Zhang
Yu-Jun Zheng
Copyright-Jahr
2015
Buch
Intelligent Computing Theories and Methodologies

Print ISBN: 978-3-319-22179-3

Electronic ISBN: 978-3-319-22180-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-22180-9_13