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

Magnetotactic Bacteria Optimization Algorithm Based on Moment Interaction Energy

verfasst von : Lifang Xu, Hongwei Mo, Jiao Zhao, Chaomin Luo, Zhenzhong Chu

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

In this paper, an improved magnetotactic bacteria optimization algorithm (IMBOA) is proposed to solve unconstrained optimization problems. IMBOA uses an archive to keep some better solutions in order to guide the moving of the whole population in each generation. And it uses a kind of efficient interaction energy to enhance diversity of the population for encouraging broader exploration. The proposed algorithm is compared with some relative optimization algorithms on the CEC 2013 real-parameter optimization benchmark functions. Experimental results show that the proposed algorithm IMBOA has better performance than the compared algorithms on most of the benchmark problems.

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 Teaching-Learning-Feedback-Based Optimization
Nächstes Kapitel A Guide Sign Optimization Problem for an Added Road Based on Bird Mating Optimizer
Literatur
1.
Kennedy, J., Eberhart, R.: Particle swarm optimization. In: IEEE International Conference on Neural Networks, Piscataway, NJ, pp. 1942–1948 (1995)
2.
Tereshko, V.: Reaction-diffusion model of a honeybee colony’s foraging behaviour. In: Schoenauer, M., Deb, K., Rudolph, G., Yao, X., Lutton, E., Merelo, J.J., Schwefel, H.-P. (eds.) PPSN 2000. LNCS, vol. 1917, pp. 807–816. Springer, Heidelberg (2000). doi:10.​1007/​3-540-45356-3_​79 CrossRef
3.
Müeller, S., Marchetto, J., Airaghi, S., Koumoutsakos, P.: Optimization based on bacterial chemotaxis. IEEE Trans. Evol. Comput. 6, 16–29 (2002)CrossRef
4.
5.
Yang, X.S., Deb, S.: Cuckoo search via Lévy flights. In: Proceedings of World Congress on Nature & Biologically Inspired Computing (NaBic 2009), USA, pp. 210–214. IEEE Publications (2009)
6.
Mo, H.W.: Research on magnetotactic bacteria optimization algorithm. In: The Fifth International Conference on Advanced Computational Intelligence, pp. 423–428 (2012)
7.
Faivre, D., Schuler, D.: Magnetotactic bacteria and magnetosomes. Chem. Rev. 108, 4875–4898 (2008)CrossRef
8.
Mo, H.W., Liu, L.L., Xu, L.F., Zhao, Y.Y.: Research on magnetotactic bacteria optimization algorithm based on the best individual. In: The Sixth International Conference on Bio-inspired Computing, Wuhan, China, pp. 318–322 (2014)
9.
Mo, H.W., Liu, L.L., Xu, L.F.: A power spectrum optimization algorithm inspired by magnetotactic bacteria. Neural Comput. Appl. 25(7), 1823–1844 (2014)CrossRef
10.
Mo, H.W., Liu, L.L., Zhao, J.: A new magnetotactic bacteria optimization algorithm based on moment migration. IEEE/ACM Trans. Comput. Biol. Bioinform. 14(1), 15–26 (2017)CrossRef
11.
Liang, J., Qu, B.Y., Suganthan, P., Hernández-Díaz, A.: Problem definitions and evaluation criteria for the CEC 2013 special session and competition on real-parameter optimization. Computational Intelligence Laboratory, Zhengzhou University, Zhengzhou China and Technical report, Nanyang Technological University, Singapore, Technical report (2013)
12.
Wang, Y., Cai, Z., Zhang, Q.: Differential evolution with composite trial vector generation strategies and control parameters. IEEE Trans. Evol. Comput. 15(1), 55–66 (2011)CrossRef
13.
Garcia-Martinez, C., Lozano, M., Herrera, F., Molina, D., Sanchez, A.M.: Global and local real-coded genetic algorithms based on parent-centric crossover operators. Eur. J. Oper. Res. 185(3), 1088–1113 (2008)CrossRefMATH
14.
Chen, W.N., et al.: Particle swarm optimization with an aging leader and challengers. IEEE Trans. Evol. Comput. 17(2), 241–258 (2013)CrossRef
15.
Mallipeddi, R., Suganthan, P.N., Pan, Q.K., Tasgetiren, M.F.: Differential evolution algorithm with ensemble of parameters and mutation strategies. Appl. Soft Comput. 11(2), 1679–1696 (2011)CrossRef
16.
Mendes, R., Kennedy, J., Neves, J.: The fully informed particle swarm: simpler, maybe better. IEEE Trans. Evol. Comput. 8(3), 204–210 (2004)CrossRef
Metadaten
Titel
Magnetotactic Bacteria Optimization Algorithm Based on Moment Interaction Energy
verfasst von
Lifang Xu
Hongwei Mo
Jiao Zhao
Chaomin Luo
Zhenzhong Chu
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_9

Premium Partner

    Bildnachweise