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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Comparative Analysis of Swarm-Based Metaheuristic Algorithms on Benchmark Functions Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

From Resampling to Non-resampling: A Fireworks Algorithm-Based Framework for Solving Noisy Optimization Problems

verfasst von : JunQi Zhang, ShanWen Zhu, MengChu Zhou

Erschienen in: Advances in Swarm Intelligence

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Many resampling methods and non-resampling ones have been proposed to deal with noisy optimization problems. The former provides accurate fitness but demands more computational resources while the latter increases the diversity but may mislead the swarm. This paper proposes a fireworks algorithm (FWA) based framework to solve noisy optimization problems. It can gradually change its strategy from resampling to non-resampling during the evolutionary process. Experiments on CEC2015 benchmark functions with noises show that the algorithms based on the proposed framework outperform their original versions as well as their resampling versions.

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 Acceleration for Fireworks Algorithm Based on Amplitude Reduction Strategy and Local Optima-Based Selection Strategy
Nächstes Kapitel Elite-Leading Fireworks Algorithm
Literatur
1.
Chen, C.H., Lin, J., Yücesan, E., Chick, S.E.: Simulation budget allocation for further enhancing the efficiency of ordinal optimization. Discrete Event Dyn. Syst. 10(3), 251–270 (2000)MathSciNetCrossRefMATH
2.
Jin, Y., Branke, J.: Evolutionary optimization in uncertain environments-a survey. IEEE Trans. Evol. Comput. 9(3), 303–317 (2005)CrossRef
3.
Zhang, J., Xu, L., Ma, J., Zhou, M.: A learning automata-based particle swarm optimization algorithm for noisy environment. In: Proceedings of IEEE Congress on Evolutionary Computation, pp. 141–147. IEEE (2015)
4.
Li, J., Zheng, S., Tan, Y.: Adaptive fireworks algorithm. In: 2014 IEEE Congress on Evolutionary Computation (CEC), pp. 3214–3221, July 2014
5.
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, Zhengzhou University, Zhengzhou, China and Nanyang Technological University, Singapore, November 2014
6.
Parsopoulos, K., Vrahatis, M.N.: Particle swarm optimizer in noisy and continuously changing environment. In: Hamza, M.H. (ed.) Artificial Intelligence and Soft Computing, pp. 289–294 (2001)
7.
Parsopoulos, K., Vrahatis, M.N.: Particle swarm optimization for imprecise problems. In: Scattering and Biomedical Engineering: Modeling and Applications, pp. 254–264 (2002)
8.
Rada-Vilela, J., Zhang, M., Johnston, M.: Resampling in particle swarm optimization. In: 2013 IEEE Congress on Evolutionary Computation (CEC), pp. 947–954 (2013)
9.
Rada-Vilela, J., Zhang, M., Seah, W.: A performance study on the effects of noise and evaporation in particle swarm optimization. In: 2012 IEEE Congress on Evolutionary Computation (CEC), pp. 1–8 (2012)
10.
11.
Lu, X., Wang, L., Wang, H., Wang, X.: Kalman filtering for delayed singular systems with multiplicative noise. IEEE/CAA J. Automatica Sinica 3(1), 51–58 (2016)MathSciNetCrossRef
12.
Zhang, J., Xu, L., Li, J., Kang, Q., Zhou, M.: Integrating particle swarm optimization with learning automata to solve optimization problems in noisy environment. In: 2014 IEEE International Conference on Systems, Man and Cybernetics (SMC), pp. 1432–1437 (2014)
13.
Zheng, S., Janecek, A., Li, J., Tan, Y.: Dynamic search in fireworks algorithm. In: 2014 IEEE Congress on Evolutionary Computation (CEC), pp. 3222–3229, July 2014
14.
Zheng, S., Janecek, A., Tan, Y.: Enhanced fireworks algorithm. In: 2013 IEEE Congress on Evolutionary Computation, pp. 2069–2077, June 2013
15.
Zheng, S., Li, J., Janecek, A., Tan, Y.: A cooperative framework for fireworks algorithm. IEEE/ACM Trans. Comput. Biol. Bioinf. 14(1), 27–41 (2017)CrossRef
16.
Zheng, S., Liu, L., Yu, C., Li, J., Tan, Y.: Fireworks algorithm and its variants for solving ICSI2014 competition problems. In: Tan, Y., Shi, Y., Coello, C.A.C. (eds.) ICSI 2014. LNCS, vol. 8795, pp. 442–451. Springer, Cham (2014). doi:10.​1007/​978-3-319-11897-0_​50
Metadaten
Titel
From Resampling to Non-resampling: A Fireworks Algorithm-Based Framework for Solving Noisy Optimization Problems
verfasst von
JunQi Zhang
ShanWen Zhu
MengChu Zhou
Copyright-Jahr
2017
Buch
Advances in Swarm Intelligence

Print ISBN: 978-3-319-61823-4

Electronic ISBN: 978-3-319-61824-1

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-61824-1_53

Premium Partner

    Bildnachweise