Эффективный алгоритм оптимизации планеты для решения инженерных задач

Научные отчеты, том 12, Номер статьи: 8362 (2022) Цитировать эту статью

2232 Доступа

24 цитаты

3 Альтметрика

Подробности о метриках

В этом исследовании предлагается метаэвристический алгоритм под названием «Алгоритм оптимизации планеты» (POA), вдохновленный законом гравитации Ньютона. POA моделирует движение планет Солнечной системы. Солнце играет ключевую роль в алгоритме, поскольку находится в центре пространства поиска. Два основных этапа, локальный и глобальный поиск, используются для одновременного повышения точности и расширения пространства поиска. Функция распределения Гаусса используется в качестве метода повышения точности этого алгоритма. POA оценивается с использованием 23 известных тестовых функций, 38 эталонных тестовых функций IEEE CEC (CEC 2017, CEC 2019) и трех реальных инженерных задач. Статистические результаты эталонных функций показывают, что POA может обеспечить очень конкурентоспособные и многообещающие результаты. POA не только требует относительно короткого времени вычислений для решения задач, но также демонстрирует превосходную точность с точки зрения использования оптимума.

В последние годы было предложено множество алгоритмов оптимизации, вдохновленных природой. Ценятся некоторые алгоритмы, основанные на рое, такие как алгоритм оптимизации роя частиц (PSO)1, алгоритм светлячка (FA)2, алгоритм стрекозы (DA)3, алгоритм оптимизации кита (WOA)4, оптимизатор серого волка (GWO)5, Monarch. Оптимизация бабочек (MBO)6, алгоритм оптимизации дождевых червей (EWA)7, оптимизация выпаса слонов (EHO)8, алгоритм поиска мотыльков (MS)9, алгоритм слизеобразования (SMA)10, алгоритм хищничества колоний (CPA)10 и оптимизация Харриса Хоукса ( ХХО)11. Кроме того, существует множество алгоритмов, основанных на физике, моделирующих физические законы во Вселенной или природе, такие как оптимизация криволинейного пространства (CSO)12, оптимизация водных волн (WWO)13 и т. д. Кроме того, некоторые алгоритмы, основанные на математических основах, также являются творческие подходы, например, оптимизатор Рунге Кутта (RUN)14.

С другой стороны, некоторые алгоритмы моделируют поведение человека, например, оптимизация на основе преподавания-обучения (TLBO)15 и оптимизация на основе человеческого поведения (HBBO)16. Между тем, генетический алгоритм (GA)17 вдохновлен эволюцией и достигает больших успехов в решении задач оптимизации во многих областях. С ростом популярности ГА в литературе предлагается множество алгоритмов, основанных на эволюции, включая эволюционное программирование (EP)18 и эволюционные стратегии (ES)19.

В настоящее время метаэвристические алгоритмы становятся незаменимым инструментом решения сложных оптимизационных задач в различных областях. Многие исследователи применяли такие алгоритмы, чтобы попытаться решить сложные проблемы в биологии20, экономике21, инженерии22,23 и т. д. Следовательно, создание новых алгоритмов для удовлетворения таких сложных требований имеет важное преимущество.

В данном исследовании построен сильный алгоритм для решения задач локальной и глобальной оптимизации. Идея исходит из естественного движения планет в нашей Солнечной системе и межпланетных взаимодействий на протяжении их жизненного цикла. Закон гравитации Ньютона отражает гравитационное взаимодействие Солнца с планетами, вращающимися по орбитам, чтобы найти оптимальное положение с помощью характеристик отдельных планет. Этими характеристиками планет являются их массы и расстояния.

В этой статье мы предлагаем алгоритм оптимизации, использующий закон всемирного тяготения Ньютона в качестве основы для его разработки. В этом алгоритме рассматривается ряд важнейших функций, таких как локальный поиск, глобальный поиск, для повышения способности находить точные решения, встроенные в моделирование движения планет во Вселенной.

Данная исследовательская работа состоит из нескольких разделов следующим образом. В следующем разделе представлена ​​конструкция метаэвристического алгоритма. Структурный POA моделируется на основе закона всемирного тяготения Ньютона и астрономических явлений. Затем используется широкий спектр приложений различных эталонных задач, чтобы продемонстрировать, насколько эффективен POA. В то же время мы представляем применение POA для решения реальных инженерных задач. Наконец, на основе представленных результатов в последнем разделе приводятся выводы.