Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

14.09.2018 | Foundations | Ausgabe 1/2019

Soft Computing 1/2019

Majority voting for discrete population-based optimization algorithms

Zeitschrift:
Soft Computing > Ausgabe 1/2019
Autoren:
Sedigheh Mahdavi, Shahryar Rahnamayan, Abbas Mahdavi
Wichtige Hinweise
Communicated by A. Di Nola.

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Population-based metaheuristic algorithms have been extensively applied to solve discrete optimization problems. Generally speaking, they work with a set of candidate solutions in the population which evolve during generations using variant reproduction and selection operations to find the optimal solution(s). The population is similar to a small society having several individuals which seek a common goal/solution. This study is motivated from the election systems of societies which can be applied in the population-based algorithms. We propose utilizing the majority voting for discrete population-based optimization algorithms which uses the information of all candidate solutions in the current generation to create a new trial candidate solution, called a president candidate solution. During optimization process, after applying the evolutionary operations, all candidate solutions vote collectively to determine the values of the president’s variables. In the proposed method, a majority voting is utilized to choose a value for each variable (gene) of the president candidate solution. This method keeps untouched all other steps of population-based algorithms; therefore, it can be used with any kind of population-based algorithm. As case studies, the discrete differential evolution (DDE) algorithm and the discrete particle swarm optimization (DPSO) are used as the parent algorithms to develop majority voting-based discrete DE (MVDDE) and majority voting-based discrete PSO (MVDPSO). These two algorithms are evaluated on the fifteen discrete benchmark functions with the dimensions of D = 10, 30, 50, 100, 200 and 500. Simulation results confirm that majority voting-based discrete optimization algorithms obtain a promising performance on the majority of the benchmark functions. In addition, we have conducted some tests on large-scale 0–1 knapsack problems with large scales as a real-world application.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 1/2019

Soft Computing 1/2019 Zur Ausgabe

Premium Partner

    Bildnachweise