Skip to main content

2024 | Buch

Anwendungen des Cuckoo-Suchalgorithmus und seiner Varianten

insite
SUCHEN

Über dieses Buch

Dieses Buch betont die grundlegenden Konzepte des CS-Algorithmus und seiner Varianten sowie deren Anwendung zur Lösung unterschiedlicher Optimierungsprobleme in medizinischen und ingenieurwissenschaftlichen Anwendungen. Evolutionäre metaheuristische Ansätze werden zunehmend zur Lösung komplexer Optimierungsprobleme in verschiedenen realen Anwendungen eingesetzt. Einer der erfolgreichsten Optimierungsalgorithmen ist die Cuckoo-Suche (CS), die zu einem aktiven Forschungsbereich geworden ist, um N-dimensionale und lineare/nichtlineare Optimierungsprobleme mithilfe einfacher mathematischer Prozesse zu lösen. CS hat die Aufmerksamkeit verschiedener Forscher auf sich gezogen, was zur Entstehung zahlreicher Varianten des grundlegenden CS mit verbesserten Leistungsmerkmalen seit 2019 geführt hat.

Inhaltsverzeichnis

Frontmatter
Kapitel 1. Cuckoo-Suche und ihre Varianten in der digitalen Bildverarbeitung: Eine umfassende Überprüfung
Zusammenfassung
Optimierungstechniken, insbesondere die der Schwarmintelligenz (SI), haben einen großen Einfluss auf zahlreiche Anwendungen, einschließlich Bildverarbeitung und Ingenieurpraxis. Eine der leistungsstarken SI-Algorithmen ist die Cockoo-Suche (CS) mit ihren Varianten, die verschiedene Probleme gelöst hat. Aufgrund ihrer Fähigkeit, reale und nichtlineare Optimierungsprobleme zu lösen, wird sie auch in der Bildverarbeitung eingesetzt. Dieses Kapitel führt eine umfassende Überprüfung der CS in Unterstützung verschiedener Bildverarbeitungsanwendungen durch. Es berichtet über das Framework der verschiedenen CS-Varianten, um ihre Effizienz bei der Bildverbesserung, Schwellenwertbestimmung, Segmentierung, Merkmalsauswahl, Klassifizierung und Kompression zu zeigen.
Atreyee Mondal, Nilanjan Dey, Amira S. Ashour
Kapitel 2. Cuckoo-Suche-Algorithmus für die parametrische Datenanpassung von Kennlinien der Van-der-Waals-Gleichung realer Gase
Zusammenfassung
Die Van-der-Waals(VdW)-Gleichung ist eine Zustandsgleichung, die das ideale Gasgesetz verallgemeinert, indem sie die Molekülgröße und molekulare Wechselwirkungskräfte berücksichtigt. Diese Gleichung wird häufig verwendet, um das Zusammenspiel und die Übergänge zwischen der flüssigen und der gasförmigen Phase zu analysieren. Zu diesem Zweck müssen zwei charakteristische Kurven, die sogenannte Binodale und Spinodale, berechnet werden. Sie werden normalerweise durch Polynom-Anpassung aus einer Sammlung von 2D-Punkten in der Druck-Volumen-Ebene mit Hilfe von Standardnumerikverfahren rekonstruiert. Die resultierenden Anpassungsmodelle sind jedoch in vielerlei Hinsicht stark begrenzt und können weiter verbessert werden. In diesem Artikel gehen wir dieses Problem durch die kleinste Quadrate-Approximation der Menge von 2D-Punkten mit Hilfe von freiformigen Bézier-Kurven an. Dieser neue Ansatz erfordert eine ordnungsgemäße Datenparametrisierung zusätzlich zur Berechnung der Kontrollpunkte der Kurven. Dies wird durch eine leistungsstarke, in der Natur inspirierte Schwarmintelligenzmethode für kontinuierliche Optimierung erreicht: den Cuckoo-Suche-Algorithmus. Um die Leistung dieses neuen Ansatzes zu testen, wurde er auf reale Daten angewendet, in diesem Fall für ein Gas. Unsere experimentellen Ergebnisse beweisen, dass diese Methode diese charakteristischen Kurven mit einer signifikanten Genauigkeit rekonstruieren kann. Darüber hinaus haben wir eine vergleichende Analyse zwischen dieser Methode und vier alternativen Techniken aus der Literatur durchgeführt, einschließlich zwei der neuesten Methoden in diesem Bereich (Polynomkurvenanpassung und das mehrschichtige Perzeptron-Neuronennetz) und zwei beliebte, von der Natur inspirierte Metaheuristik-Methoden (Firefly-Algorithmus und Bat-Algorithmus). Eine solche vergleichende Analyse zeigt, dass unser Ansatz diese vier Methoden um mindestens zwei Größenordnungen für das untersuchte Beispiel übertrifft. Wir schließen daraus, dass nicht nur der genannte Ansatz vielversprechend ist, sondern auch, dass er bereit ist, erfolgreich auf reale, praktische Fälle von chemischen Komponenten und Mischungen angewendet zu werden.
Almudena Campuzano, Andrés Iglesias, Akemi Gálvez
Kapitel 3. Cuckoo-Suche-Algorithmus mit verschiedenen Walk-Mechanismen
Zusammenfassung
Bio-inspirierte Algorithmen sind aufkommende weiche Rechentechniken. Sie haben die Aufmerksamkeit von Forschern aus verschiedenen Disziplinen auf sich gezogen. Der Cuckoo-Suche-Algorithmus (CS), der von der Brutmechanik der faszinierenden Kuckucksvögel inspiriert ist, ist ein bekannter bio-inspirierter Algorithmus. CS basiert auf dem obligatorischen Brutschmarotzerverhalten einiger Kuckucksarten in Kombination mit dem Lévy Flight, der bekanntermaßen unerwartete scharfe Bewegungen während der Suche erzeugt. Daher kann vorgeschlagen werden, dass die Analyse der Auswirkungen einiger anderer Bewegungsarten nach wie vor ein heißes Thema ist. Dementsprechend führt die vorliegende Studie einige neue Bewegungsverfahren ein, darunter Quantum, Brownian und Random Walk für CS, die in der Standardform Lévy Flight übernimmt. Die vorgeschlagenen Änderungen werden sowohl bei unbeschränkten als auch bei beschränkten Optimierungsproblemen getestet, einschließlich einiger bekannter mechanischer Designprobleme. Statistisch verifizierte Ergebnisse zeigen, dass die vorgeschlagenen Bewegungen signifikante Verbesserungen gegenüber dem Standard-CS bewirken.
F. B. Ozsoydan, İ. Gölcük
Kapitel 4. Cuckoo-Suche-Algorithmus: Statistikbasierte Optimierungsansatz und technische Anwendungen
Zusammenfassung
In diesem Kapitel wird ein statistikbasierter Cuckoo-Suche-Algorithmus (SCSA) für technische Anwendungen entwickelt. Eine statistische Technik ist in den Cuckoo-Suche-Algorithmus eingebettet, um die Recheneffizienz zu erhöhen. Ein mehrzieliges Optimierungsproblem für ein Kamerapositionierungsgerät wird als Anwendungsfall des SCSA betrachtet. Das Pseudo-Rigid-Body-Modell, ein analytischer Ansatz, wird verwendet, um die Ziel-Funktionen zu etablieren, einschließlich der Verschiebung und der natürlichen Resonanzfrequenz des Geräts. Das Optimierungsproblem für das Gerät wird formuliert, einschließlich Designvariablen, Ziel-Funktionen und Einschränkungen. Die Taguchi-Methode wird dann verwendet, um einen Satz von experimentellen Matrizen zu erstellen, um die Ergebnisqualitätsmerkmale abzurufen. Die Signal-Rausch-Verhältnisse und die Varianzanalyse werden genutzt, um einen neuen Einschränkungsbereich für Variablen zu bestimmen. Basierend auf den Ergebnissen der statistischen Analysen wird ein neuer Anfangspopulationsbereich für den SCSA neu bestimmt. Diese Verfeinerung hilft, die Rechenzeit, die menschliche Arbeit und die Kosten zu reduzieren. Das optimale Ergebnis wird mit dem vorgeschlagenen SCSA-Ansatz gefunden. Ein Prototyp wird erstellt, um die geschätzten Ergebnisse zu überprüfen. Der SCSA-Ansatz wird mit anderen Metaheuristik-Algorithmen verglichen. Die Ergebnisse beweisen, dass die Konvergenzgeschwindigkeit des vorgeschlagenen SCSA besser ist als die anderer Algorithmen wie GA, DE, AEDE, PSO und PSOGSA. Es wird erwartet, dass der vorgeschlagene statistikbasierte Cuckoo-Suche-Algorithmus komplexe Optimierungsprobleme mit mehreren Einschränkungen und mehreren Variablen lösen kann.
Thanh-Phong Dao
Kapitel 5. Training eines vorwärtsgerichteten neuronalen Netzes mit Cuckoo-Suche
Zusammenfassung
Die Cuckoo-Suche (CS) ist ein naturinspirierter und metaheuristischer Algorithmus, der auf einer Brutreproduktionsstrategie von Kuckucksvögeln basiert, um ihre Population zu erhöhen. Dieser Algorithmus dient hauptsächlich dazu, den maximalen oder minimalen Wert eines bestimmten Problems zu bestimmen, das als Zielfunktion bekannt ist. Berichten zufolge hat CS andere naturinspirierte Algorithmen in Bezug auf Recheneffizienz und Konvergenzgeschwindigkeit zur Erreichung einer optimalen Lösung übertroffen. Dieses Kapitel zielt darauf ab, die Anwendung von CS zur Bestimmung der Parameter von künstlichen neuronalen Netzen (ANN) zu erforschen. Das inhärente Problem beim traditionellen Training von ANNs mit Backpropagation besteht darin, dass der Lernprozess keine globale Minimallösung garantieren kann und dazu neigt, in lokalen Minima gefangen zu werden. Die Arbeitsweise solcher ANN-Modelle ist auf eine differenzierbare Neuronenübertragungsfunktion beschränkt. Der CS-Algorithmus wurde beobachtet, um eine Lösung ohne den Einsatz von Derivaten zur Optimierung solcher komplizierten Probleme zu bieten. Der Einsatz von ANNs in einer Vielzahl von Problemen, einschließlich Klassifizierungsaufgaben, Bildverarbeitung, Signalverarbeitung usw., rechtfertigt die Anwendung von CS auf das Backpropagation-Verfahren von ANNs, um eine schnellere Konvergenzrate zu erreichen und das Problem der lokalen Minima zu vermeiden. In diesem Kapitel werden auch Diskussionen und Ergebnisse darüber vorgestellt, wie ANNs, die mit Varianten von CS optimiert wurden, bei der Erkennung von chronischer Nierenerkrankung, der Modellierung der Betriebstemperatur von Photovoltaikmodulen und der Klassifizierung von Waldtypen abschneiden.
Adit Kotwal, Jai Kotia, Rishika Bharti, Ramchandra Mangrulkar
Kapitel 6. Cuckoo-Suche für optimales Design von Stahlrahmenkonstruktionen im Hochbau
Zusammenfassung
In diesem Kapitel wird der optimale Designalgorithmus für reale vielgeschossige Stahlrahmenkonstruktionen unter den Vorschriften des LRFD (Load and Resistance Factor Design – American Institute of Steel Corporation) vorgestellt. Es wird entschieden, dass in realen vielgeschossigen Stahlrahmen die Strukturelemente aus breitflanschigen Stahl-I-Profilen (W-Form) für Träger und Stützen bestehen. Bei der Formulierung des Optimierungsproblems werden die Querschnittsabmessungen der Stahlprofile, nämlich die I-Schnitte, als Designvariablen gewählt. Designpools werden für Stahlprofile vorbereitet, so dass der Optimierungsalgorithmus geeignete Stahlprofile auswählen, I-Schnitte für Elemente der 3D-Struktur konstruieren kann, so dass das Gewicht des realen vielgeschossigen Stahlrahmenbaus minimiert wird. Zusätzlich zu den Designcode-Anforderungen werden auch geometrische Einschränkungen unter seinen Elementen berücksichtigt, die für die Herstellbarkeit des Rahmens erforderlich sind. Dies führt dazu, dass diese Art von optimalem Strukturdesignproblem zu einem diskreten nichtlinearen Programmierproblem wird, dessen Lösung durch den vorgeschlagenen Cuckoo-Suche-Algorithmus (CS) erzielt wird, der das Nisten und Brüten von Kuckucksvögeln simuliert. Die Anwendungen in Designbeispielen haben die Robustheit, Effektivität und Zuverlässigkeit des CS-Algorithmus bei der Erreichung der Designoptimierung von realen vielgeschossigen Stahlrahmenkonstruktionen gezeigt.
Serdar Carbas, Ibrahim Aydogdu
Kapitel 7. Anwendung einer Cuckoo-Suche-Algorithmus-Benutzeroberfläche zur Parameteroptimierung der Ultraschallbearbeitung
Zusammenfassung
Der Ultraschallbearbeitungsprozess (USM) ist bedeutend, da er keine Restspannungen oder thermische Schäden an der Bearbeitungsoberfläche verursacht. Der Prozess ist in der Lage, nichtleitende und spröde Materialien wie Keramik, Glas usw., die hart und spröde sind, zu gravieren, zu fräsen, zu schneiden, zu bohren und zu räumen. Der optimale Parameter ist erforderlich, um das gewünschte Profil auf der bearbeiteten Oberfläche mit minimalen Restschäden zu erhalten. Um dieses Ziel zu erreichen, wurde eine grafische Benutzeroberfläche (GUI) entwickelt, die die metaheuristische Technik, den Cuckoo-Such-Algorithmus (CSA), nachahmt. Der Vorteil der CSA-Schnittstelle besteht darin, dass sie dem Endbenutzer die Flexibilität bietet, Probleme mit kontinuierlichen Größen auf der Grundlage anderer Bearbeitungsprozesse zu lösen, ohne sich um mathematische Berechnungen kümmern zu müssen. Die GUI wurde in zwei Fällen des USM-Prozesses getestet und die Ergebnisse zeigen die Wirksamkeit der CSA-basierten Schnittstelle. Die Auswirkungen der USM-Prozessparameter wurden untersucht und für eine effektive Untersuchung der betrachteten Prozesse berichtet. Die Ergebnisse für USM-Prozesse, die mit den betrachteten metaheuristischen Techniken erzielt wurden, werden mit experimentellen Ergebnissen früherer Forscher und anderer Algorithmen, wie dem Particle-Swarm-Optimization-Algorithmus (PSO) und dem Black-Hole-Algorithmus (BHA), verglichen. Es wurde festgestellt, dass die mit CSA erzielten Ergebnisse effektiver und besser sind als die Ergebnisse, die von anderen Algorithmen gegeben wurden.
D. Singh, R. S. Shukla
Kapitel 8. Der Cuckoo-Suche-Algorithmus angewendet auf die Optimierung von Fuzzy-Logik-Steuerungsparametern
Zusammenfassung
Bei der Gestaltung von Steuerungssystemen spielt die Abstimmung der Reglerparameter eine grundlegende Rolle für die Leistung sowohl in transienten als auch in stationären Regimen. Aus dieser Perspektive wurde die Abstimmung der Reglerparameter mit Störungs- und Beobachtungsmethoden, rechnergestützten Werkzeugen auf der Grundlage von Optimierungsalgorithmen für Systeme mit geringer Komplexität und neuerdings mit metaheuristischen Algorithmen für hochkomplexe Systeme mit verbesserten Abstimmungsverfahren durchgeführt, die den Betrieb und die Stabilität der Systeme garantieren. Daher haben avantgardistische Optimierungsalgorithmen, die die Evolution selbstorganisierender biologischer Systeme nachahmen – auch als metaheuristische naturinspirierte Algorithmen bezeichnet – aufgrund ihres großen Potenzials zur Lösung von Optimierungsproblemen eine hohe Relevanz erlangt. Daher wurde der Cuckoo-Suche-Algorithmus (CS), ein sehr vielversprechender und fast neu entwickelter naturinspirierter Algorithmus, bei der Gestaltung und Optimierung von Fuzzy-Logic-Regler-Systemen (FLC) aufgrund seines großen Potenzials eingesetzt. Insbesondere untersucht dieses Kapitel die Anwendung des CS-Algorithmus zur Abstimmung der Reglerparameter in zwei verschiedenen Fallstudien. Der erste Fall ist mit der FLC-Parameterabstimmung eines nichtlinearen magnetischen Levitationssystems verbunden, und die zweite Fallstudie bezieht sich auf die FLC-Optimierung des Energiemanagementsystems eines Wohnmikronetzes. Simulationsresultate werden bereitgestellt, um die Eigenschaften der optimierten Regler für die beiden Fälle zu betonen und zu analysieren und gegenüber anderen konventionelleren Techniken zu vergleichen. Die erzielten Ergebnisse zeigen, dass die Anpassung der FLC-Parameter, die durch den CS-Algorithmus durchgeführt wird, effizient ist und die Leistung der beiden FLC verbessert, was den CS-Algorithmus zu einer leistungsstarken Alternative für die Durchführung der Reglerparameterabstimmung in modernen Steuerungssystemen macht.
G. García-Gutiérrez, D. Arcos-Aviles, E. V. Carrera, F. Guinjoan, A. Ibarra, P. Ayala
Kapitel 9. Auswirkungen des Cuckoo-Suche-Algorithmus auf die Sprachverarbeitung
Zusammenfassung
Die Sprachverarbeitung hat viele Aspekte zu beachten, wie zum Beispiel Spracherkennung, Emotionserkennung, Sprachidentifikation usw. Die Verarbeitung eines Sprachsignals für verschiedene Anwendungen ist eine sehr herausfordernde Aufgabe. Das Hauptziel der Sprachverarbeitung besteht darin, die Genauigkeit zu erhöhen und die Fehlerquote sowie die Kosten des gesamten Prozesses zu reduzieren. Um das Genauigkeitsniveau zu erhöhen, ist es ein Muss, dass wir einen besseren Optimierungsalgorithmus verwenden. Einer der besten Algorithmen ist der Cuckoo-Suche-Algorithmus. Dieser Algorithmus wurde in der Bilderkennung sowie in anderen Forschungsbereichen weitgehend verwendet, hat jedoch in der Sprachverarbeitung wenig Beachtung gefunden. Dieses Kapitel enthält die Überprüfung und Analyse mehrerer Arbeiten, die sich auf verschiedene Bereiche der Sprachverarbeitung beziehen, in denen der Cuckoo-Suche-Algorithmus zur Optimierung der Leistung der vorgeschlagenen Modelle verwendet wurde. Die Vorteile und Einschränkungen des Cuckoo-Suche-Algorithmus mit anderen Varianten werden ebenfalls für zukünftige Arbeiten überprüft.
Akalpita Das, Himanish Shekhar Das, Himadri Shekhar Das
Kapitel 10. Cuckoo-Suche basierter Back-Calculation-Algorithmus zur Schätzung der Schichteneigenschaften volltiefflexibler Fahrbahndecken
Zusammenfassung
Diese Studie stellt einen Backcalculation-Algorithmus vor, um die Materialeigenschaften von Asphaltdecken in voller Tiefe zu schätzen. Der vorgeschlagene Algorithmus, nämlich CS-ANN, verwendet einen auf künstlichen neuronalen Netzen (ANN) basierendes Vorwärtsreaktionsmodell, das aus den Lösungen der nichtlinearen Finite-Elemente-Analyse entwickelt wurde, um die Verformungen mathematisch zu berechnen. In der Rückwärtsphase der Methode wird die Cuckoo-Suche (CS) verwendet, um nach den Modulwerten der Schichten zu suchen. Die Leistung der vorgeschlagenen Methode wird untersucht, indem die theoretisch berechneten Verformungen durch eine auf Finite-Elementen basierende Software und Verformungsdaten aus dem Feld analysiert werden. Darüber hinaus werden zur Bewertung der Suchfähigkeit von CS-Optimierungsalgorithmen, die häufig bei der Backcalculation von Fahrbahnen verwendet werden, nämlich genetische Algorithmen (GA), Particle Swarm Optimization (PSO) und Gravitational Search Algorithm (GSA), zum Vergleich herangezogen. Die erhaltenen Ergebnisse zeigen, dass der vorgeschlagene Backcalculation-Ansatz in der Lage ist, steifigkeitsbezogene Schichteigenschaften auf genaue und schnelle Weise zu bestimmen. Darüber hinaus zeigt CS eine vielversprechende Leistung bei der Erreichung der optimalen Lösungen, die besser sind als GA, PSO und GSA.
A. Öcal, O. Pekcan
Kapitel 11. Ein zielbasierter Designansatz für Stützwände mit dem Cuckoo-Suche-Algorithmus
Zusammenfassung
In den letzten zwei Jahrzehnten gab es einen anhaltenden Trend, Stützwände optimal zu entwerfen, anstatt den herkömmlichen Versuch-und-Irrtum-Ansatz zu verwenden. In dieser Studie wird eine bewehrte Beton-Winkelstützwand mit Hilfe des Cuckoo-Suche-Algorithmus (CS) optimiert, einer metaheuristischen, schwarmbasierten Methode, die das Fortpflanzungsverhalten von Kuckucksvögeln nachahmt. Um eine optimale Lösung zu erhalten, die die Entwurfsanforderungen erfüllt, wurden diese als Einschränkungen ausgedrückt. Zusammen mit einer mathematischen Definition der Zielfunktion werden drei Einschränkungsgruppen verwendet, um die geotechnischen, strukturellen und geometrischen Entwurfsüberlegungen darzustellen. Darüber hinaus wird ein zielorientierter Entwurfsansatz eingeführt, um die Kosten- und Gewichtszielfunktionen gleichzeitig zu optimieren. Die Leistung des CS wird durch seine Anwendung auf Winkelstützwände nachgewiesen, wo zwei numerische Beispiele in Bezug sowohl auf die Kosten als auch auf das Gewicht der Wände gelöst werden. Die Ergebnisse deuten darauf hin, dass die CS eine praktikable Lösung für das optimale Design von Stützwänden ist.
E. B. Tutuş, T. Ghalandari, O. Pekcan
Kapitel 12. Ein hybrider Cuckoo-Suche-Algorithmus zur Kostenoptimierung von mechanisch stabilisierten Erdwänden
Zusammenfassung
Mechanisch stabilisierte Erdwände (MSEW) haben eine breite Palette von Anwendungen in der Bauingenieurpraxis und gelten als effiziente und zuverlässige Alternativen zu den herkömmlichen Stützstrukturen. Wie so oft im Ingenieurwesen hängen die Leistung und die Wirtschaftlichkeit dieser Strukturen von robusten Designstrategien ab, die in der Lage sein müssen, optimale Lösungen in multimodalen Räumen zu liefern. Während die inhärenten Eigenschaften von Ingenieurproblemen das Design oft zu einer herausfordernden Aufgabe machen, sind metaheuristische Algorithmen geeignete Optionen, vorausgesetzt, dass problemspezifische Überlegungen und Modifikationen implementiert werden. In dieser Hinsicht sind Cuckoo-Suche (CS) und seine Varianten in vielen Ingenieuranwendungen erfolgreich. In der vorliegenden Studie wird CS zur Optimierung des Bewehrungstyps, der Länge und des Layouts von MSEWs eingesetzt und eine hybride CS-Variante (HCSDE) auf Basis der Differential-Evolution-Formulierung entwickelt, um die Suchfähigkeit des Algorithmus weiter zu verbessern. Der vorgeschlagene Algorithmus wird auf verschiedene MSEW-Design-Benchmarks angewendet und im Vergleich zu etablierten Methoden wie dem genetischen Algorithmus und der Particle Swarm Optimization bewertet. Die Ergebnisse der Studie zeigen, dass CS für das Problem geeignet ist und die Fähigkeit des Algorithmus durch die vorgeschlagenen Anpassungen in HCSDE weiter verbessert werden kann. Die verbesserten Lösungen von HCSDE im Vergleich zu den anderen Optimierungsmethoden heben die vorgeschlagene Formulierung als einen vielversprechenden Algorithmus für praktische Implementierungen hervor.
M. Altun, Y. Yalcin, O. Pekcan
Kapitel 13. Ein von Membransystemen inspirierter Cuckoo-Suche-Algorithmus
Zusammenfassung
Der Cuckoo-Suche-Algorithmus ist einer der erfolgreichen Optimierungsalgorithmen, dessen Mechanismus von der Natur inspiriert ist. Bis jetzt wurden verschiedene Varianten des Cuckoo-Suche-Algorithmus vorgestellt. In dieser Studie wird ein Cuckoo-Suche-Algorithmus vorgestellt, der von einem parallelen Membransystem inspiriert ist, um Optimierungsprobleme zu lösen. Frühere Forschungen haben versucht, den Cuckoo-Suche-Algorithmus zu verbessern, indem sie seine Parameter verbessern, aber in dieser Forschung wurde ein geeignetes Framework vorgeschlagen, das von einem Membransystem inspiriert ist, um den Cuckoo-Suche-Algorithmus zu parallelisieren. Membransysteme haben verschiedene Membranen mit verschiedenen Regeln in jeder Membran. Daher können verschiedene Regeln gleichzeitig in jeder Membran ausgeführt werden, und Membranen können Informationen miteinander austauschen. Daher gibt es Parallelismus innerhalb von Membranen und zwischen Membranen, der im Algorithmus verwendet wird. Der vorgeschlagene Algorithmus kann gleichzeitig mehr als eine Kostenfunktion auf parallelen Geräten bewerten. Die Simulationsergebnisse zeigen, dass der vorgeschlagene Algorithmus eine bessere Leistung als ein herkömmlicher Cuckoo-Suche-Algorithmus bei der Lösung verschiedener Optimierungsprobleme hat.
A. Maroosi
Metadaten
Titel
Anwendungen des Cuckoo-Suchalgorithmus und seiner Varianten
herausgegeben von
Nilanjan Dey
Copyright-Jahr
2024
Verlag
Springer Nature Singapore
Electronic ISBN
978-981-9974-93-1
Print ISBN
978-981-9974-92-4
DOI
https://doi.org/10.1007/978-981-99-7493-1

Premium Partner