Thanh bên bài viết
##plugins.generic.badges.manager.settings.showBlockTitle##
Phân tích so sánh các thuật toán tối ưu hóa lai kết hợp thuật toán thỏ nhân tạo và thuật toán tối ưu hóa chim hải âu bắc cực
Nội dung chính của bài viết
Tóm tắt
Bài báo mang đến một bước đột phá trong lĩnh vực tối ưu hóa bằng cách kết hợp hai thuật toán lấy cảm hứng từ tự nhiên: Arctic Puffin Optimization (APO) và Artificial Rabbits Optimization (ARO). Nghiên cứu đề xuất năm chiến lược lai như tuần tự, luân phiên và song song, nhằm tận dụng khả năng thăm dò toàn cục của APO và khai thác cục bộ hiệu quả của ARO. Các phương án kết hợp được đánh giá qua sáu hàm benchmark chuẩn với số chiều bài toán khác nhau. Kết quả cho thấy các chiến lược kết hợp, đặc biệt là luân phiên và song song, vượt trội hơn ARO và APO độc lập về tốc độ hội tụ, độ chính xác và khả năng tránh cực trị cục bộ. Sự kết hợp này tận dụng khả năng thăm dò toàn cục của APO và khai thác cục bộ của ARO, mang lại giải pháp hiệu quả cho các bài toán tối ưu hóa đa chiều. Hướng phát triển tương lai tập trung vào tự động điều chỉnh chiến lược lai và ứng dụng thực tiễn như tối ưu tuyến đường hoặc quản lý năng lượng.
Từ khóa
APO, ARO, Thuật toán lai ghép, Tối ưu hóa
Chi tiết bài viết
Bài báo này được cấp phép theo Creative Commons Attribution-NonCommercial 4.0 International License.
Tài liệu tham khảo
Alorf, A. (2023). A survey of recently developed metaheuristics and their comparative analysis. Engineering Applications of Artificial Intelligence, 117(A), 105622. https://doi.org/10.1016/j.engappai.2022.105622
Holland, J. H. (1992). Genetic Algorithms. Scientific American. Scientific American Magazine, 267(1), 66–72. https://doi.org/10.1038/scientificamerican0792-66
Jamil, M., & Yang, X.-S. (2013). A literature survey of benchmark functions for global optimization problems. International Journal of Mathematical Modelling and Numerical Optimisation, 4(2), 150–194. https://doi.org/10.48550/arXiv.1308.4008
Kennedy, J., & Eberhart, R. (1995). Particle Swarm Optimization. In Proceedings of ICNN'95 - International Conference on Neural Networks, 4, 1942–1948. https://doi.org/10.1109/ICNN.1995.488968
Layeb, A. (2022). New hard benchmark functions for global optimization. arXiv - Neural and Evolutionary Computing, 22(2). https://doi.org/10.48550/arXiv.2202.04606
Mirjalili, S., Mirjalili, S. M., & Lewis, A. (2014). Grey Wolf optimizer. Advances in Engineering Software, 69, 46–61. https://doi.org/10.1016/j.advengsoft.2013.12.007
Tomar, V., Bansal, M., & Singh, P. (2023). Metaheuristic algorithms for optimization: A brief review. International Conference on Recent Advances in Science and Engineering, 59(1), 238. https://doi.org/10.3390/engproc2023059238
Wang, L., Cao, Q., Zhang, Z., Mirjalili, S., & Zhao, W. (2022). Artificial rabbits optimization: A new bio-inspired meta-heuristic algorithm for solving engineering optimization problems. Engineering Applications of Artificial Intelligence, 114, 105082. https://doi.org/10.1016/j.engappai.2022.105082
Wang, W.-C., Tian, W.-C., Xu, D.-M., & Zang, H.-F. (2024). Arctic puffin optimization: A bio-inspired metaheuristic algorithm for solving engineering design optimization. Advances in Engineering Software, 195, 103694. https://doi.org/10.1016/j.advengsoft.2024.103694
Yang, X.-S. (2010). Firefly algorithm, stochastic test functions and design optimisation. International Journal of Bio-Inspired Computation, 2(2), 78–84. https://doi.org/10.1504/IJBIC.2010.032124
Các bài báo được đọc nhiều nhất của cùng tác giả
- Đinh Nguyễn Trọng Nghĩa, Phạm Nguyễn, Nguyễn Thị Thu Hiền, Nâng cao chất lượng giải pháp của thuật toán lai sói xám và di truyền thông qua tìm kiếm cục bộ lốc xoáy , Tạp chí Khoa học Đại học Đồng Tháp: Tập 14 Số 8 (2025): Chuyên san Khoa học Tự nhiên (Tiếng Việt)
- Ngô Thị Hồng Tâm, Phạm Minh Nguyệt, Đinh Nguyễn Trọng Nghĩa, Nghiên cứu cấu trúc hình học của cluster Si12 pha tạp nguyên tử As , Tạp chí Khoa học Đại học Đồng Tháp: Số 33 (2018): Phần B - Khoa học Tự nhiên