nach oben

Natural Computing

Erschienen in:

01.09.2010

BGSA: binary gravitational search algorithm

verfasst von: Esmat Rashedi, Hossein Nezamabadi-pour, Saeid Saryazdi

Erschienen in: Natural Computing | Ausgabe 3/2010

Einloggen

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

search-config

KI-gestützte Suche

Aus

Abstract

Gravitational search algorithm is one of the new optimization algorithms that is based on the law of gravity and mass interactions. In this algorithm, the searcher agents are a collection of masses, and their interactions are based on the Newtonian laws of gravity and motion. In this article, a binary version of the algorithm is introduced. To evaluate the performances of the proposed algorithm, several experiments are performed. The experimental results confirm the efficiency of the BGSA in solving various nonlinear benchmark functions.

Vorheriger Artikel A particle swarm optimization based memetic algorithm for dynamic optimization problems

Nächster Artikel Multiobjective particle swarm optimization with nondominated local and global sets

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

Nur mit Berechtigung zugänglich

Avishek P, Maiti J (2010) Development of a hybrid methodology for dimensionality reduction in Mahalanobis–Taguchi system using Mahalanobis distance and binary particle swarm optimization. Expert Syst Appl 37(2):1286–1293CrossRef

Beretaa M, Burczynski T (2007) Comparing binary and real-valued coding in hybrid immune algorithm for feature selection and classification of ECG signals. Eng Appl Artif Intell 20:571–585CrossRef

Cheng YM, Li L et al (2007) Performance studies on six heuristic global optimization methods in the location of critical slip surface. Comput Geotech 34(6):462–484CrossRef

Chuang LH, Chang HW et al (2008) Improved binary PSO for feature selection using gene expression data. Comput Biol Chem 32(1):29–38MATHCrossRef

Digalakis JG, Margaritis KG (2002) An experimental study of benchmarking functions for genetic algorithms. Int J Comput Math 79(4):403–416MATHCrossRefMathSciNet

Dorigo M, Maniezzo V et al (1996) The Ant system: optimization by a colony of cooperating agents. IEEE Trans Syst Man Cybern B 26(1):29–41CrossRef

Elbetagi E, Hegazy T et al (2005) Comparison among five evolutionary-based optimization algorithms. Adv Eng Inf 19:43–53CrossRef

Engelbrecht AP (2005) Fundamentals of computational swarm intelligence. Wiley, Chichester, UK

Farmer JD, Packard NH et al (1986) The immune system, adaptation, and machine learning. Phys D 22:187–204CrossRefMathSciNet

Goldberg D (1989) Genetic algorithms in search, optimization, and machine learning. Addison-Wesley, Reading, MAMATH

Holland JH (1975) Adaptation in natural and artificial systems. The University of Michigan Press, Ann Arbor, Michigan

Holliday D, Resnick R et al (1993) Fundamentals of physics. Wiley, New York

Kennedy J, Eberhart RC (1995) Particle swarm optimization. In: Proceedings of IEEE international conference on neural networks, vol 4, pp 1942–1948

Kennedy J, Eberhart RC (1997) A discrete binary version of the particle swarm algorithm. In: IEEE international conference on computational cybernetics and simulation, vol 5, pp 4104–4108

Kirkpatrick S, Gelatto CD et al (1983) Optimization by simulated annealing. Science 220:671–680CrossRefMathSciNet

Rashedi E, Nezamabadi-pour H et al (2009) GSA: a gravitational search algorithm. Inf Sci 179(13):2232–2248MATHCrossRef

Schutz B (2003) Gravity from the ground up. Cambridge University Press, Cambridge

Srinivasa KG, Venugopal KR et al (2007) A self-adaptive migration model genetic algorithm for data mining applications. Inf Sci 177(20):4295–4313MATHCrossRef

Wang X, Yang J et al (2007) Feature selection based on rough sets and particle swarm optimization. Pattern Recogn Lett 28:459–471CrossRef

Wolpert DH, Macready WG (1997) No free lunch theorems for optimization. IEEE Trans Evol Comput 1:67–82CrossRef

Wu TH, Chang CC et al (2008) A simulated annealing algorithm for manufacturing cell formation problems. Expert Syst Appl 34(3):1609–1617CrossRefMathSciNet

Yao X, Liu Y et al (1999) Evolutionary programming made faster. IEEE Trans Evol Comput 3:82–102CrossRef

Youssef H, Sait SM et al (2001) Evolutionary algorithms, simulated annealing and tabu search: a comparative study. Eng Appl Artif Intell 14:167–181CrossRef

Yuan X, Nie et al (2009) An improved binary particle swarm optimization for unit commitment problem. Expert Syst Appl 36(4):8049–8055CrossRef

Zeng XP, Li YM et al (2009) A dynamic chain-like agent genetic algorithm for global numerical optimization and feature selection. Neurocomputing 72:214–1228CrossRef

Titel: BGSA: binary gravitational search algorithm
verfasst von: Esmat Rashedi
Hossein Nezamabadi-pour
Saeid Saryazdi
Publikationsdatum: 01.09.2010
Verlag: Springer Netherlands
Erschienen in: Natural Computing / Ausgabe 3/2010
Print ISSN: 1567-7818
Elektronische ISSN: 1572-9796
DOI: https://doi.org/10.1007/s11047-009-9175-3

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

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

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Weitere Artikel der Ausgabe 3/2010

Query expansion using an immune-inspired biclustering algorithm

A review of evolutionary and immune-inspired information filtering

A particle swarm optimization based memetic algorithm for dynamic optimization problems

Structure versus function: a topological perspective on immune networks

Swarm intelligence: the state of the art special issue of natural computing

A novel particle swarm niching technique based on extensive vector operations

Premium Partner