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
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Deep Learning-Based Recommendation System to Enable End User Access to Financial Linked Knowledge Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Orthogonal Learning Firefly Algorithm

verfasst von : Kadavy Tomas, Pluhacek Michal, Viktorin Adam, Senkerik Roman

Erschienen in: Hybrid Artificial Intelligent Systems

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

In this paper, a proven technique, orthogonal learning, is combined with popular swarm metaheuristic Firefly Algorithm (FA). More precisely with its hybrid modification Firefly Particle Swarm Optimization (FFPSO). The performance of the developed algorithm is tested and compared with canonical FA and above mentioned FFPSO. Comparisons have been conducted on well-known CEC 2017 benchmark functions, and the results have been evaluated for statistical significance using Friedman rank test.

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 A Preliminary Study of Diversity in Extreme Learning Machines Ensembles
Nächstes Kapitel Multi-label Learning by Hyperparameters Calibration for Treating Class Imbalance
Literatur
1.
Fister, Jr., I., Mlakar, U., Brest, J., Fister, I.: A new population-based nature-inspired algorithm every month: is the current era coming to the end. In: Proceedings of the 3rd Student Computer Science Research Conference, pp. 33–37, University of Primorska Press (2016)
2.
Du, W., Li, B.: Multi-strategy ensemble particle swarm optimization for dynamic optimization. Inf. Sci. 178(15), 3096–3109 (2008)CrossRef
3.
Wang, H., Wu, Z., Rahnamayan, S., Sun, H., Liu, Y., Pan, J.: Multi-strategy ensemble artificial bee colony algorithm. Inf. Sci. 20(279), 587–603 (2014)MathSciNetCrossRef
4.
Shelokar, P.S., Siarry, P., Jayaraman, V.K., Kulkarni, B.D.: Particle swarm and ant colony algorithms hybridized for improved continuous optimization. Appl. Math. Comput. 188(1), 129–142 (2007)MathSciNetMATH
5.
Das, S., Abraham, A., Konar, A.: Particle swarm optimization and differential evolution algorithms: technical analysis, applications and hybridization perspectives. In: Advances of computational intelligence in industrial systems, pp. 1–38. Springer, Heidelberg (2008)
6.
Clerc, M.: The swarm and the queen: towards a deterministic and adaptive particle swarm optimization. In: Proceedings of the 1999 Congress on Evolutionary Computation, 1999. CEC 99, vol. 3, pp. 1951–1957. IEEE (1999)
7.
Shi, Y., Eberhart, R.C.: Fuzzy adaptive particle swarm optimization. In: Proceedings of the 2001 Congress on Evolutionary Computation, vol. 1, pp. 101–106, IEEE (2001)
8.
Eberhart, R., Kennedy, J.A.: New optimizer using particle swarm theory (1995)
9.
Lynn, N., Suganthan, P.N.: Heterogeneous comprehensive learning particle swarm optimization with enhanced exploration and exploitation. Swarm Evol. Comput. 24, 11–24 (2015)CrossRef
10.
Nepomuceno, F.V., Engelbrecht, A.P.: A self-adaptive heterogeneous PSO for real-parameter optimization. IEEE (2013)
11.
Zhan, Z.H., Zhang, J., Li, Y., Shi, Y.H.: Orthogonal learning particle swarm optimization. IEEE Trans. Evol. Comput. 15(6), 832–847 (2011)CrossRef
12.
Yang, X.: Nature-inspired metaheuristic algorithms. Luniver press, UK (2010)
13.
Gandomi, A.H., Yang, X.S., Talatahari, S., Alavi, A.H.: Firefly algorithm with chaos. Commun. Nonlinear Sci. Numer. Simul. 18(1), 89–98 (2013)MathSciNetCrossRef
14.
Yang, X.S: Firefly Algorithm, Lévy Flights and Global Optimization. In: Bramer, M., Ellis, R., Petridis M. (eds.) Research and Development in Intelligent Systems XXVI, pp. 209–218. Springer, London (2010)
15.
Farahani, S.M., Abshouri, A.A., Nasiri, B., Meybodi, M.R.: A Gaussian firefly algorithm. Int. J. Mach. Learn. Comput. 1(5), 448 (2011)CrossRef
16.
Kora, P., Rama Krishna, K.S.: Hybrid firefly and Particle Swarm Optimization algorithm for the detection of Bundle Branch Block. Int. J. Cardiovasc. Acad. 2(1), 44–48 (2016)CrossRef
17.
Awad, N.H., et al.: Problem Definitions and Evaluation Criteria for CEC 2017 Special Session and Competition on Single-Objective Real-Parameter Numerical Optimization (2016)
18.
Kennedy, J.: The particle swarm: social adaptation of knowledge. In: Proceedings of the IEEE International Conference on Evolutionary Computation, pp. 303–308 (1997)
Metadaten
Titel
Orthogonal Learning Firefly Algorithm
verfasst von
Kadavy Tomas
Pluhacek Michal
Viktorin Adam
Senkerik Roman
Copyright-Jahr
2018
Buch
Hybrid Artificial Intelligent Systems

Print ISBN: 978-3-319-92638-4

Electronic ISBN: 978-3-319-92639-1

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-92639-1_26

Premium Partner

    Bildnachweise