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:
Introduction Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

21. Search Based on Human Behaviors

verfasst von : Ke-Lin Du, M. N. S. Swamy

Erschienen in: Search and Optimization by Metaheuristics

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Human being is the most intelligent creature on this planet. This chapter introduces various search metaheuristics that are inspired by various behaviors of human creative problem-solving process.

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 Tabu Search and Scatter Search
Nächstes Kapitel Dynamic, Multimodal, and Constrained Optimizations
Literatur
1.
Aickelin U, Burke EK, Li J. An evolutionary squeaky wheel optimisation approach to personnel scheduling. IEEE Trans Evol Comput. 2009;13:433–43.CrossRef
2.
Ali H, Khan FA. Group counseling optimization for multi-objective functions. In: Proceedings of IEEE congress on evolutionary computation (CEC), Cancun, Mexico, June 2013. p. 705–712.
3.
Atashpaz-Gargari E, Lucas C. Imperialist competitive algorithm: an algorithm for optimization inspired by imperialistic competition. Proceedings of IEEE congress on evolutionary computation (CEC), Singapore, September 2007. p. 4661–4666.
4.
5.
Chen M-H, Chen S-H, Chang P-C. Imperial competitive algorithm with policy learning for the traveling salesman problem. Soft Comput. 2016, p. 1–13. doi:10.​1007/​s00500-015-1886-z.
6.
Dai C, Chen W, Zhu Y, Zhang X. Seeker optimization algorithm for optimal reactive power dispatch. IEEE Trans Power Syst. 2009;24(3):1218–31.
7.
Dai C, Zhu Y, Chen W. Seeker optimization algorithm. In: Wang Y, Cheung Y, Liu H, editors. Computational intelligence and security, vol. 4456 of Lecture Notes in Computer Science. Berlin: Springer; 2007. p. 167–176.
8.
Eita MA, Fahmy MM. Group counseling optimization: a novel approach. In: Proceedings of the 29th SGAI international conference on innovative techniquesand applications of artificial intelligence (AI-2009), Cambridge, UK, Dec 2009, p. 195–208.
9.
Eita MA, Fahmy MM. Group counseling optimization. Appl Soft Comput. 2014;22:585–604.CrossRef
10.
Feng X, Zou R, Yu H. A novel optimization algorithm inspired by the creative thinking process. Soft Comput. 2015;19:2955–72.CrossRef
11.
Ghorbani N, Babaei E. Exchange market algorithm. Appl Soft Comput. 2014;19:177–87.CrossRef
12.
13.
Kamali HR, Sadegheih A, Vahdat-Zad MA, Khademi-Zare H. Immigrant population search algorithm for solving constrained optimization problems. Appl Artif Intell. 2015;29:243–58.CrossRef
14.
Kashan AH. League championship algorithm (LCA): an algorithm for global optimization inspired by sport championships. Appl Soft Comput. 2014;16:171–200.
15.
Li J, Parkes AJ, Burke EK. Evolutionary squeaky wheel optimization: a new framework for analysis. Evol Comput. 2011;19(3):405–28.CrossRef
16.
Lim WH, Isa NAM. Teaching and peer-learning particle swarm optimization. Appl Soft Comput. 2014;18:39–58.CrossRef
17.
Nazari-Shirkouhi S, Eivazy H, Ghodsi R, Rezaie K, Atashpaz-Gargari E. Solving the integrated product mix-outsourcing problem by a novel meta-heuristic algorithm: imperialist competitive algorithm. Expert Syst Appl. 2010;37(12):7615–26.CrossRef
18.
Osaba E, Diaz F, Onieva E. A novel meta-heuristic based on soccer concepts to solve routing problems. In: Proceedings of the 15th ACM annual conference on genetic and evolutionary computation (GECCO), Amsterdam, The Netherlands, July 2013. p. 1743–1744.
19.
Osaba E, Diaz F, Onieva E. Golden ball: a novel metaheuristic to solve combinatorial optimization problems based on soccer concepts. Appl Intell. 2014;41(1):145–66.CrossRef
20.
Rao RV, Patel V. An elitist teaching-learning-based optimization algorithm for solving complex constrained optimization problems. Int J Ind Eng Comput. 2012;3:535–60.
21.
Rao RV, Savsania VJ, Balic J. Teaching-learning-based optimization algorithm for unconstrained and constrained real-parameter optimization problems. Eng Optim. 2012;44:1447–62.CrossRef
22.
Rao RV, Savsani VJ, Vakharia DP. Teaching-learning-based optimization: an optimization method for continuous non-linear large scale problems. Inf Sci. 2012;183(1):1–15.MathSciNetCrossRef
23.
Shi Y. Brain storm optimization algorithm. In: Advances in swarm intelligence, Vol. 6728 of Lecture Notes in Computer Science. Berlin: Springer; 2011. p. 303–309.
24.
Wang L, Yang R, Ni H, Ye W, Fei M, Pardalos PM. A human learning optimization algorithm and its application to multi-dimensional knapsack problems. Appl Soft Comput. 2015;34:736–43.CrossRef
25.
Zou F, Wang L, Hei X, Chen D. Teaching-learning-based optimization with learning experience of other learners and its application. Appl Soft Comput. 2015;37:725–36.CrossRef
26.
Zou F, Wang L, Hei X, Chen D, Jiang Q, Li H. Bare-bones teaching-learning-based optimization. Sci World J. 2014; 2014: 17 pages. Article ID 136920.
Metadaten
Titel
Search Based on Human Behaviors
verfasst von
Ke-Lin Du
M. N. S. Swamy
Copyright-Jahr
2016
Buch
Search and Optimization by Metaheuristics

Print ISBN: 978-3-319-41191-0

Electronic ISBN: 978-3-319-41192-7

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-41192-7_21

Premium Partner

    Bildnachweise