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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Further Investigations for Documents Information Retrieval Based on DWT Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Meta-Heuristic Algorithm Inspired by Grey Wolves for Solving Function Optimization Problems

verfasst von : Alaa Tharwat, Basem E. Elnaghi, Aboul Ella Hassanien

Erschienen in: Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2016

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

In this paper, we suggest the use of Grey Wolf Optimization (GWO) algorithm to solve numerical optimization problems. GWO is compared with two well-known optimization algorithms namely, Bat Algorithm (BA) and Particle Swarm Optimization (PSO), to test the improvement in the accuracy of finding the near optimal solution and the reduction in the computational cost. Ten standard benchmark functions were applied to test the performance of the three optimization algorithms in terms of accuracy and computational cost. The experimental results proved that our proposed method achieved accuracy better than the other two algorithms and it reduced the computational cost and converged rapidly to the optimal solution.

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 Medical Diagnostic System Basing Fuzzy Rough Neural-Computing for Breast Cancer
Nächstes Kapitel Automatically Human Age Estimation Approach via Two-Dimensional Facial Image Analysis
Fußnoten
1
Multimodal function has at least two optimal solutions in the search space, indicating that these solutions have more than one local optima except the optimum global.
 
2
Unimodal function has one solution to the function, which is the optimum global.
 
Literatur
1.
Paulinas, M., Ušinskas, A.: A survey of genetic algorithms applications for image enhancement and segmentation. Inf. Technol. Control 36(3), 278–284 (2015)
2.
Emary, E., Zawbaa, H.M., Grosan, C., Hassenian, A.E.: Feature subset selection approach by gray-wolf optimization. In: Abraham, A., Krömer, P., Snasel, V. (eds.) AECIA 2014. AISC, vol. 334, pp. 1–13. Springer, Heidelberg (2015). doi:10.​1007/​978-3-319-13572-4_​1
3.
Gaber, T., Tharwat, A., Hassanien, A.E., Snasel, V.: Biometric cattle identification approach based on weber’s local descriptor and adaboost classifier. Comput. Electron. Agric. 122, 55–66 (2016)CrossRef
4.
Tharwat, A., Gaber, T., Hassanien, A.E.: Cattle identification based on muzzle images using gabor features and SVM classifier. In: Hassanien, A.E., Tolba, M.F., Taher Azar, A. (eds.) AMLTA 2014. CCIS, vol. 488, pp. 236–247. Springer, Heidelberg (2014). doi:10.​1007/​978-3-319-13461-1_​23
5.
Semary, N.A., Tharwat, A., Elhariri, E., Hassanien, A.E.: Fruit-based tomato grading system using features fusion and support vector machine. In: Filev, D., Jabłkowski, J., Kacprzyk, J., Krawczak, M., Popchev, I., Rutkowski, L., Sgurev, V., Sotirova, E., Szynkarczyk, P., Zadrozny, S. (eds.) Intelligent Systems’2014. AISC, vol. 323, pp. 401–410. Springer, Heidelberg (2015). doi:10.​1007/​978-3-319-11310-4_​35
6.
Tsai, P.W., Pan, J.S., Liao, B.Y., Tsai, M.J., Istanda, V.: Bat algorithm inspired algorithm for solving numerical optimization problems. Appl. Mech. Mater. 148, 134–137 (2012). Trans Tech Publ
7.
Yamany, W., Fawzy, M., Tharwat, A., Hassanien, A.: Moth-flame optimization for training multi-layer perceptrons. In: Proceedings of the 11th International Computer Engineering Conference (ICENCO), pp. 267–272. IEEE (2015)
8.
Tharwat, A., Zawbaa, H., Gaber, T., Hassanien, A., Snasel, V.: Automated zebrafish-based toxicity test using bat optimization and adaboost classifier. In: Proceedings of the 11th International Computer Engineering Conference (ICENCO), pp. 169–174. IEEE (2015)
9.
Yamany, W., Tharwat, A., Hassanin, M.F., Gaber, T., Hassanien, A.E., Kim, T.H.: A new multi-layer perceptrons trainer based on ant lion optimization algorithm. In: 2015 Fourth International Conference on Information Science and Industrial Applications (ISI), pp. 40–45. IEEE (2015)
10.
Gilbert, J.C., Nocedal, J.: Global convergence properties of conjugate gradient methods for optimization. SIAM J. Optim. 2(1), 21–42 (1992)MathSciNetCrossRefMATH
11.
Karaboga, D.: An idea based on honey bee swarm for numerical optimization. Technical report, Technical report-tr06, Erciyes University, Engineering Faculty, Computer Engineering Department (2005)
12.
Jayakumar, N., Subramanian, S., Ganesan, S., Elanchezhian, E.: Grey wolf optimization for combined heat and power dispatch with cogeneration systems. Int. J. Electr. Power Energy Syst. 74, 252–264 (2016)CrossRef
13.
Mirjalili, S.: How effective is the grey wolf optimizer in training multi-layer perceptrons. Appl. Intell. 43(1), 150–161 (2015)CrossRef
14.
Mirjalili, S., Mirjalili, S.M., Lewis, A.: Grey wolf optimizer. Adv. Eng. Softw. 69, 46–61 (2014)CrossRef
15.
Hassanien, A.E., Alamry, E.: Swarm Intelligence: Principles, Advances, and Applications. CRC Press (2015). ISBN 9781498741064
16.
Emary, E., Zawbaa, H.M., Hassanien, A.E.: Binary grey wolf optimization approaches for feature selection. Neurocomputing 172, 371–381 (2016)CrossRef
17.
Liang, J., Suganthan, P., Deb, K.: Novel composition test functions for numerical global optimization. In: Proceedings of Swarm Intelligence Symposium (SIS), pp. 68–75. IEEE (2005)
Metadaten
Titel
Meta-Heuristic Algorithm Inspired by Grey Wolves for Solving Function Optimization Problems
verfasst von
Alaa Tharwat
Basem E. Elnaghi
Aboul Ella Hassanien
Copyright-Jahr
2017
Buch
Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2016

Print ISBN: 978-3-319-48307-8

Electronic ISBN: 978-3-319-48308-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-48308-5_46