메타포 기반 메타휴리스틱 목록

List of metaphor-based metaheuristics
A diagrammatic classification of metaheuristics
메타휴리스틱의 종류를 분류한 도식

이것은 메타포 기반 메타휴리스틱과 군집 지능 알고리즘의 연대순으로 정렬된 목록이며, 10년 간의 제안으로 분류됩니다.

알고리즘

1980년대~1990년대

모의 어닐링 (Kirkpatrick et al., 1983)

주요 기사 : 모의 소둔
animation of simulated annealing solving a 3D traveling salesman problem instance
120점의 3차원 여행 판매원 문제 사례를 해결하는 시뮬레이션 어닐링의 시각화

모의 어닐링은 야금학의 열처리 방법인 어닐링에서 영감을 얻은 확률적 알고리즘입니다.검색 공간이 개별적인 경우(예: 지정된 도시 집합을 방문하는 모든 투어) 종종 사용됩니다.정확한 전역 최적을 찾는 것이 고정된 시간 내에 허용 가능한 지역 최적을 찾는 것보다 덜 중요한 문제의 경우, 시뮬레이션 어닐링이 경사 하강과 같은 대안보다 바람직할 수 있습니다.

어닐링이 느리게 냉각되는 것의 유사점은 시뮬레이션된 어닐링이 용액 공간을 탐색할 때 더 나쁜 용액을 받아들일 확률이 천천히 감소하는 것입니다.더 나쁜 해결책을 받아들이는 것은 최적의 해결책을 더 광범위하게 찾을 수 있기 때문에 메타 휴리스틱의 근본적인 특성입니다.

개미집락 최적화 (ACO) (Dorigo, 1992)

주요 기사:개미집락 최적화 알고리즘

개미집락 최적화 알고리즘은 계산 문제를 해결하기 위한 확률론적 기법으로 그래프를 통해 좋은 경로를 찾는 것으로 줄일 수 있습니다.Marco Dorigo가 1992년에 그의 PhD 논문에서 처음으로 제안한,[1][2] 최초의 알고리즘은 그들의 군집과 먹이 공급원 사이의 길을 찾는 개미들의 행동을 바탕으로 그래프에서 최적의 길을 찾는 것을 목표로 했습니다.그 후 더 넓은 종류의 수치 문제를 해결하기 위해 원래의 생각은 다양해졌고, 그 결과 개미의 행동의 다양한 측면을 그리며 몇 가지 문제들이[example needed] 나타났습니다.보다 넓은 관점에서 ACO는 모델 기반 검색을[3] 수행하며 배포 알고리즘 추정과 몇 가지 유사점을 공유합니다.

입자 군집 최적화(PSO) (Kennedy & Everhart, 1995)

주요 기사 : 입자군 최적화

입자 군집 최적화는 주어진 품질 측정과 관련하여 후보 솔루션을 개선하려고 반복적으로 시도함으로써 문제를 최적화하는 계산 방법입니다.입자라고 불리는 후보해군을 가지고 이들 입자를 입자의 위치와 속도 위에서 간단한 수학 공식에[which?] 따라 탐색공간에서 이동시켜 문제를 해결합니다.각 입자의 움직임은 로컬에서 가장 잘 알려진 위치의 영향을 받지만 검색 공간에서 가장 잘 알려진 위치로 안내되며, 다른 입자에 의해 더 나은 위치가 발견됨에 따라 업데이트됩니다.이것은 그 무리를 최상의 해결책으로 이끌 것으로 예상됩니다.

PSO는 원래 케네디, 에버하트 그리고 시에[4][5] 기인하며 처음에는 새 떼나 물고기 무리에서 유기체의 움직임을 양식화한 표현으로 사회적 행동을[6] 시뮬레이션하기 위해 고안되었습니다.알고리즘은 단순화되었고, 최적화를 수행하는 것으로 관찰되었습니다.케네디와 에버하트의[7] 책은 PSO와 군집 지능의 많은 철학적 측면을 묘사하고 있습니다.Poli는 PSO 애플리케이션에 대한 광범위한 조사를 실시합니다.[8][9]PSO에 대한 이론적 및 실험적 작업에 대한 종합적인 리뷰는 Bonyadi and Michaelwicz에 의해 발표되었습니다.[10]

2000년대

하모니 서치(HS) (Geem, Kim & Loganathan, 2001)

하모니 서치(Harmony search)는 종우젬(Zong Woo Gim), 김정훈(Kim Jung Hoon), G. V. Loganathan[11](G. V. Loganathan)이 2001년 선보인 현상 모방 메타휴리스틱으로 재즈 뮤지션들의 즉흥 연주 과정에서 영감을 얻었습니다.HS 알고리즘에서는 가능한 솔루션 세트가 무작위로 생성됩니다(Harmony memory라 함).새로운 솔루션은 하모니 메모리의 모든 솔루션을 사용하여 생성되며(GA에서 사용하는 솔루션과 같이 2개만 사용하는 것이 아니라), 하모니 메모리의 최악의 솔루션보다 이 새로운 솔루션이 더 나은 경우 최악의 솔루션이 이 새로운 솔루션으로 대체됩니다.HS의 효과와 장점은 도시 용수 분배망의 설계,[12] 구조 설계,[13] 전기 공학에서의 부하 분배 문제,[14] 다목적 최적화,[15] 로스터링 문제,[16] 클러스터링,[17] 분류 및 특징 선택과 같은 다양한 응용 분야에서 입증되었습니다.[18][19]HS의 응용에 대한 자세한 조사는 에서 확인할 수 있으며,[20][21] 데이터 마이닝에서 HS의 응용에 대한 자세한 내용은 에서 확인할 수 있습니다.[22]

Dennis(2015)는 조화탐색이 진화전략 알고리즘의 특수한 경우라고 주장했습니다.[23]그러나 Saka et al.(2016)은 진화전략의 구조가 조화탐색의 구조와 다르다고 주장하고 있습니다.[24]

인공벌 군락 알고리즘 (Karaboga, 2005)

주요 기사:인공벌 군락 알고리즘

인공 벌 군락 알고리즘은 2005년[25] 카라보가가 도입한 메타휴리스틱으로 꿀벌의 먹이활동을 시뮬레이션합니다.ABC 알고리즘은 취업벌, 구경벌, 스카우트벌의 세 단계로 구성되어 있습니다.고용된 벌과 구경꾼 벌 단계에서 벌들은 고용된 벌 단계의 결정론적 선택과 구경꾼 벌 단계의 확률적 선택을 기반으로 선택된 솔루션 근처의 지역 검색을 통해 소스를 활용합니다.사냥 과정에서 벌들이 고갈된 먹이원을 버리는 것과 같은 스카우트비 단계에서는 더 이상 탐색에 도움이 되지 않는 해결책을 버리고 대신 새로운 해결책을 투입해 탐색공간의 새로운 지역을 탐색합니다.알고리즘은 균형 잡힌[weasel words] 탐색과 활용 능력을 가지고 있습니다.[clarification needed]

비즈 알고리즘 (Pham, 2005)

주요 기사:벌 알고리즘

벌 알고리즘은 2005년[26] 팜(Pham)과 그의 동료들에 의해 공식화되었으며 2009년에는 더욱 정교해졌습니다.[27]꿀벌의 먹이 사냥 행동을 모델로 한 이 알고리즘은 전역 탐색 검색과 지역 탐색 검색을 결합합니다.소수의 인공 벌(스카우트)은 적합성이 높은 솔루션(수익성이 높은 식품 공급원)을 위해 솔루션 공간(환경)을 무작위로 탐색하는 반면, 대부분의 인구는 적합성 최적 솔루션을 찾는 가장 적합한 솔루션을 찾습니다.생물학적 벌의 와글와글 댄스를 시뮬레이션하는 결정론적 모집 절차는 정찰병의 발견을 수렵인들에게 전달하고 지역 탐색을 위해 선택된 지역의 적합성에 따라 수렵인들을 분배하는 데 사용됩니다.솔루션 근처에서 검색이 중단되면 로컬 적합도 최적값을 찾는 것으로 간주되고 사이트는 폐기됩니다.

제국주의 경쟁 알고리즘 (Atashpaz-Gargari & Lucas, 2007)

주요 기사:제국주의 경쟁 알고리즘

제국주의 경쟁 알고리즘(ICA)은 진화 계산 분야의 대부분의 방법과 마찬가지로 최적화 과정에서 함수의 기울기가 필요하지 않습니다.특정 관점에서 보면, ICA는 유전자 알고리즘(GAs)의 사회적 대응물로 간주될 수 있습니다.ICA는 인간 사회 진화의 수학적 모델이자 컴퓨터 시뮬레이션인 반면 GAs는 종의 생물학적 진화를 기반으로 합니다.

이 알고리즘은 최적화 문제의 검색 공간에서 랜덤 후보 솔루션 집합을 생성하는 것으로 시작합니다.생성된 랜덤 포인트를 초기 국가라고 합니다.이 알고리즘의 국가는 GA의 염색체와 입자 군집 최적화의 입자의 대응물이며 최적화 문제의 후보 솔루션의 값 배열입니다.최적화 문제의 비용함수에 따라 국가별 전력이 결정됩니다.그들의 힘을 바탕으로 초기 최고의 국가들 중 일부(가장 적은 비용 함수 값을 가진 국가들)가 제국주의자가 되어 다른 국가들(식민지라고 불리는)을 장악하기 시작하고 초기 제국을 형성합니다.[28]

이 알고리즘의 두 가지 주요 연산자는 동화와 혁명입니다.동화는 각 제국의 식민지를 사회정치적 특성(최적화 탐색공간)의 공간에서 제국주의 국가에 더욱 가깝게 다가가게 합니다.혁명은 검색 공간에서 몇몇 국가들의 위치에 갑작스러운 무작위적인 변화를 일으킵니다.동화와 혁명이 진행되는 동안 식민지는 더 나은 위치에 도달하고 제국 전체의 지배권을 장악하여 현재의 제국주의 국가를 대체할 수 있는 기회를 가질 수 있습니다.[29]

제국주의 경쟁은 이 알고리즘의 또 다른 부분입니다.모든 제국들은 이 게임에서 이기려고 하고 다른 제국들의 식민지를 차지하려고 합니다.알고리즘의 각 단계에서, 그들의 힘에 기초하여, 모든 제국은 가장 약한 제국의 식민지들 중 하나 혹은 그 이상을 장악할 기회를 갖습니다.[28]

알고리즘은 정지 조건이 충족될 때까지 언급된 단계(애시뮬레이션, 혁명, 경쟁)를 계속합니다.

위의 단계는 아래의 의사코드로 요약할 수 있습니다.[30][29]

0) 목적 함수를 정의합니다:  (x),  =(      x    fquad = ( dots, 1) 알고리즘의 초기화.검색 공간에서 임의 솔루션을 생성하고 초기 제국을 만듭니다.2) 동화:식민지들은 제국주의 국가들을 향해 다른 방향으로 나아갑니다.3) 혁명: 어떤 나라의 특성에 따라 무작위적인 변화가 일어납니다.4) 식민지와 제국주의자 사이의 위치 교환.제국주의자보다 지위가 좋은 식민지는 기존의 제국주의자를 대체하여 제국의 지배권을 장악할 기회가 있습니다.5) 제국주의 경쟁:모든 제국주의자들은 서로의 식민지를 차지하기 위해 경쟁합니다.6) 힘없는 제국을 처치해야 합니다.약한 제국들은 점차 힘을 잃고 마침내 멸망할 것입니다.7) 정지조건을 만족하면 2.8) 종료

하천형성역학(Rabanal, Rodriguez & Rubio, 2007)

강 형성 역학은 물이 어떻게 땅을 침식시키고 침전물을 침전시킴으로써 강을 형성하는지 모방하는 것에 기반을 두고 있습니다.낙하물이 장소의 고도를 증가/감소시킴으로써 경관을 변화시킨 후, 해결책은 고도가 감소하는 경로의 형태로 제공됩니다.감소하는 그라디언트가 구성되고, 이 그라디언트 다음에 이어지는 후속 드롭이 새 그라디언트를 구성하고 최상의 그라디언트를 보강합니다.이 휴리스틱 최적화 방법은 2007년 Rabanal et al.에 의해 제안되었습니다.[31]다른 NP-완전 문제에 대한 RFD의 적용 가능성이 연구되었으며,[32] 알고리즘은 라우팅[33] 및 로봇 내비게이션과 같은 분야에 적용되었습니다.[34]RFD의 주요 응용은 설문조사 Rabanal et al. (2017)에서 확인할 수 있습니다.[35]

중력 탐색 알고리즘(Rashi, Nezamabadi-pour & Saryazdi, 2009)

중력 탐색 알고리즘은 중력의 법칙과 질량 상호작용의 개념을 기반으로 합니다.GSA 알고리즘은 뉴턴 물리학의 이론을 사용하며, 탐색기 에이전트는 질량의 집합입니다.GSA에는 고립된 질량 체계가 있습니다.중력을 이용하여 계의 모든 질량은 다른 질량의 상황을 볼 수 있습니다.따라서 중력은 서로 다른 질량 사이에 정보를 전달하는 방법입니다.[36]GSA에서 에이전트는 물체로 간주되고 성능은 질량에 의해 측정됩니다.이 모든 물체들은 중력에 의해 서로 끌어당기고, 이 힘은 모든 물체들이 더 무거운 질량을 가진 물체들을 향해 움직이게 합니다.무거운 질량은 문제의 더 나은 해결책에 해당합니다.에이전트의 위치는 문제의 해결책에 해당하며, 적합 함수를 사용하여 에이전트의 질량을 결정합니다.시간이 지남에 따라 질량은 가장 무거운 질량에 의해 끌어당겨지는데, 이는 탐색 공간에서 이상적으로 최적의 해결책을 제시할 것입니다.GSA는 뉴턴의 중력과 운동 법칙을 따르는 작은 인공 질량 세계로 여겨질 수 있습니다.[37]2010년 Hassanzadeh et al. 에서는 MOGSA라고 불리는 GSA의 다목적 변형이 제안되었습니다.[38]

2010년대

박쥐알고리즘 (Yang, 2010)

주요 기사 : 박쥐알고리즘

박쥐 알고리즘은 소형 박쥐의 반향 위치 측정 동작에서 영감을 받은 군집 지능 기반 알고리즘입니다.BA는 다차원 검색 공간에서 시뮬레이션 된 박쥐의 소리 크기와 펄스 방출률을 제어하여 탐색(글로벌 검색 공간을 멀리 점프하여 로컬 최대치 근처에 갇히지 않도록 함)과 착취(로컬 최대치를 찾기 위해 알려진 좋은 솔루션을 중심으로 더 자세히 검색)의 균형을 자동으로 조정합니다.[39]

Spiral Optimization (SPO) 알고리즘 (Tamura & Yasuda 2011, 2016-2017)

주요 기사 : 나선형 최적화 알고리즘
나선 최적화 알고리즘

자연의 나선현상에서 영감을 받은 나선 최적화 알고리즘은 객관적인 함수 구배가 없는 다점 탐색 알고리즘입니다.결정론적 동적 시스템으로 설명될 수 있는 여러 나선형 모델을 사용합니다.검색 지점이 현재 최고의 지점으로 정의된 공통 중심을 향해 로그 나선형 궤적을 따르므로 더 나은 솔루션을 찾을 수 있으며 공통 중심을 업데이트할 수 있습니다.[40]

인공군집 지능 (Rosenberg, 2014)

인공 군집 지능은 인터넷을 통해 연결된 인간 사용자의 실시간 폐루프 시스템으로 자연 군집을 본뜬 틀로 구조화되어 집단의 집단적 지혜를 하나의 통합된 신흥 지능으로 불러일으킵니다.[41][42]이러한 방식으로, 인간 무리는 다양한 옵션 세트를 일괄적으로 탐색하고 선호하는 솔루션에 동기화하여 수렴함으로써 질문에 답하고, 예측을 수행하고, 의사 결정에 도달하고, 문제를 해결할 수 있습니다.2014년 루이스 로젠버그 박사가 발명한 ASI 방법론은 군집의 개별적인 구성원들을 능가하는 정확한 집단적 예측을 할 수 있는 능력으로 유명합니다.[43]2016년, 만장일치 A의 인공 군집 지능 그룹.I. 기자는 켄터키 더비의 우승자를 예측하기 위해 도전했습니다. 켄터키 더비는 540대 1의 확률로 첫 번째 네 마리의 말을 순서대로 선택하는 데 성공했습니다.[44][45]

은유방법론에 대한 비판

개인의 은유에 영감을 받은 메타휴리스틱이 특정한 문제에 대해 놀라운 효과적인 해결책을 제시한 반면,[46] 일반적으로 은유에 영감을 받은 메타휴리스틱은 정교한 은유 뒤에 그들의 효과나 새로움의 부족함을 숨긴 것에 대해 연구자들 사이에서 비판을 받았습니다.[46][47]케네스 쇠렌센은 다음과 같이 언급했습니다.[48]

최근 몇 년 동안 조합 최적화 분야에서는 "새로운" 메타휴리스틱 방법의 진정한 쓰나미가 목격되었으며, 대부분은 자연적이거나 인공적인 과정의 은유에 기반을 두고 있습니다.거의 모든 종류의 곤충들의 행동, 물의 흐름, 음악가들이 함께 연주하는 것 – 또 다른 메타휴리스틱을 시작하는 데 영감을 주기에는 너무 지나친 생각은 없는 것 같습니다.[I] 이 연구 라인은 메타 휴리스틱의 영역을 과학적 엄격함으로부터 멀어지게 만들 위협이 있다고 주장할 것입니다.

쇠렌센과 글로버는 다음과 같이 진술했습니다.[49]

많은 수의 출판물이 은유에 기초한 새로운 메타휴리스틱 프레임워크의 개발에 초점을 맞추고 있습니다.메타휴리스틱 프레임워크의 기초로 사용된 자연적 또는 인공적인 과정의 목록은 이제 박테리아 사냥, 강 형성, 생물 지리학, 함께 연주하는 음악가, 전자기학, 중력, 제국에 의한 식민지화, 지뢰 폭발, 리그 챔피언십, 구름 등과 같은 다양한 과정을 포함합니다.동물의 행동에 기초한 메타 휴리스틱에서 중요한 하위 범주가 발견됩니다.개미, 벌, 박쥐, 늑대, 고양이, 반딧불이, 독수리, 돌고래, 개구리, 연어, 독수리, 흰개미, 파리 그리고 다른 많은 동물들은 모두 메타휴리스틱에 영감을 주기 위해 사용되었습니다. [...] 일반적으로 메타휴리스틱에 대한 논문의 출판은 2급 저널과 학회로 제한되어 왔습니다.그러나 이 규칙에 대한 최근의 몇 가지 예외를 찾을 수 있습니다.Sörensen(2013)은 이러한 방향의 연구는 근본적으로 결함이 있다고 말합니다.가장 중요한 것은, 저자는 근본적인 은유의 새로움이 결과적인 틀을 자동적으로 "소설"로 만드는 것이 아니라고 주장합니다.반대로, 어떤 흥미로운 의미에서도 은유를 기반으로 한 방법들 중 극히 일부만이 새로운 것이라는 증거가 증가하고 있습니다.

이에 대해 스프링어 저널 오브 휴리스틱스는 편집 방침을 다음과 같이 업데이트했습니다.[50]

새로운 패러다임을 제안하는 것은 유전자 알고리즘, 타부 검색, 시뮬레이션 어닐링과 같은 고전적인 프레임워크에 포함된 것과 같은 혁신적인 기본 아이디어를 포함하는 경우에만 허용됩니다.휴리스틱 저널은 자연적이거나 인공적인 시스템과 과정의 은유에 기초한다고 주장되는 방법으로 오래된 아이디어를 재포장하고 내장하는 기사의 발행을 피합니다.이러한 소위 "소설" 방법은 지능적인 물방울, 재즈를 연주하는 음악가, 제국주의 사회, 도약하는 개구리, 캥거루, 모든 종류의 떼와 곤충, 그리고 심지어 광산 분출 과정에 이르기까지 다양한 유사성을 사용합니다(Sörensen, 2013).만약 연구자가 은유를 사용하여 새로운 방법에 대한 자신의 생각을 자극한다면, 그럼에도 불구하고 그 방법은 은유가 없는 언어로 번역되어야만 사용된 전략들이 명확하게 이해될 수 있고, 그것들의 새로움이 명확하게 보이게 됩니다.(아래 항목 2, 3 참조)은유는 값싸고 쉽게 구할 수 있습니다.방법을 "창문에 옷을 입히는" 그들의 사용은 용납될 수 없습니다."

[...] 구현은 표준 최적화 용어를 사용하여 설명해야 합니다. 여기서 해결책은 일부 모호한 은유(예: 조화, 파리, 박쥐, 국가 등)와 관련된 것이 아니라 "해결책"이라고 불립니다.

[...] 휴리스틱스 저널은 은유에 기반한 "소설" 방법이 자신의 분야에 기여를 입증할 수 없다면 출판되어서는 안 된다는 쇠렌센의 견해를 전적으로 지지합니다.기존 개념의 이름을 변경하는 것은 기여로 간주되지 않습니다.이러한 방법은 종종 "소설"이라고 불리지만, 많은 사람들이 이미 존재하는 방법론의 가끔 한계 변형을 제외하고는 새로운 아이디어를 제시하지 않습니다.이러한 방법은 진정으로 혁신적인 아이디어와 연구의 저널 공간을 차지해서는 안 됩니다.표준 최적화 어휘를 사용하지 않기 때문에 불필요하게 이해하기 어렵습니다.

Springer's journal 4OR - A Journal of Operations Research의 정책은 다음과 같습니다.[51]

과학적 엄격성과 혁신에 대한 강조는 특히 저널이 적절한 검증 없이 단순히 알려진 방법의 위장된 변형을 제안하는 기사를 게재하지 않는다는 것을 의미합니다(예:자연적 또는 인공적인 시스템 및 과정과의 은유적 비교에 기초하여 "효과적"이라고 주장되는 메타휴리스틱.새로운 방법은 고전적 패러다임과의 관계를 확립함으로써 은유가 없는 언어로 제시되어야 합니다.그들의 속성은 수학적 증명, 통제된 실험, 객관적 비교 등 과학적으로 설득력 있는 주장을 기반으로 설정되어야 합니다.

참고 항목

메모들

  1. ^ Colorni, Alberto; Dorigo, Marco; Maniezzo, Vittorio (1992). "Distributed Optimization by Ant Colonies". In Varela, Francisco J.; Bourgine, Paul (eds.). Toward a Practice of Autonomous Systems: Proceedings of the First European Conference on Artificial Life. pp. 134–42. ISBN 978-0-262-72019-9.
  2. ^ M. Dorigo, Optimization,[page needed] Learning and Natural Algorithms, 박사논문, Politecnico di Milano, 이탈리아, 1992
  3. ^ Zlochin, Mark; Birattari, Mauro; Meuleau, Nicolas; Dorigo, Marco (2004). "Model-Based Search for Combinatorial Optimization: A Critical Survey". Annals of Operations Research. 131 (1–4): 373–95. CiteSeerX 10.1.1.3.427. doi:10.1023/B:ANOR.0000039526.52305.af. S2CID 63137.
  4. ^ Kennedy, J.; Eberhart, R. (1995). "Particle swarm optimization". Proceedings of ICNN'95 - International Conference on Neural Networks. Vol. 4. pp. 1942–8. CiteSeerX 10.1.1.709.6654. doi:10.1109/ICNN.1995.488968. ISBN 978-0-7803-2768-9. S2CID 7367791.
  5. ^ Shi, Y.; Eberhart, R. (1998). "A modified particle swarm optimizer". 1998 IEEE International Conference on Evolutionary Computation Proceedings. IEEE World Congress on Computational Intelligence (Cat. No.98TH8360). pp. 69–73. doi:10.1109/ICEC.1998.699146. ISBN 978-0-7803-4869-1. S2CID 16708577.
  6. ^ Kennedy, J. (1997). "The particle swarm: Social adaptation of knowledge". Proceedings of 1997 IEEE International Conference on Evolutionary Computation (ICEC '97). pp. 303–8. doi:10.1109/ICEC.1997.592326. ISBN 978-0-7803-3949-1. S2CID 61487376.
  7. ^ Kennedy, J.; Eberhart, R.C. (2001). Swarm Intelligence. Morgan Kaufmann. ISBN 978-1-55860-595-4.
  8. ^ Poli, R. (2007). "An analysis of publications on particle swarm optimisation applications" (PDF). Technical Report CSM-469. Department of Computer Science, University of Essex, UK. Archived from the original (PDF) on 2011-07-16. Retrieved 2016-08-31.
  9. ^ Poli, Riccardo (2008). "Analysis of the Publications on the Applications of Particle Swarm Optimisation". Journal of Artificial Evolution and Applications. 2008: 1–10. doi:10.1155/2008/685175.
  10. ^ Bonyadi, Mohammad Reza; Michalewicz, Zbigniew (2017). "Particle Swarm Optimization for Single Objective Continuous Space Problems: A Review". Evolutionary Computation. 25 (1): 1–54. doi:10.1162/EVCO_r_00180. PMID 26953883. S2CID 8783143.
  11. ^ Zong Woo Geem; Joong Hoon Kim; Loganathan, G.V. (2016). "A New Heuristic Optimization Algorithm: Harmony Search". Simulation. 76 (2): 60–8. doi:10.1177/003754970107600201. S2CID 20076748.
  12. ^ Geem, Zong Woo (2006). "Optimal cost design of water distribution networks using harmony search". Engineering Optimization. 38 (3): 259–277. doi:10.1080/03052150500467430. S2CID 18614329.
  13. ^ Gholizadeh, S.; Barzegar, A. (2013). "Shape optimization of structures for frequency constraints by sequential harmony search algorithm". Engineering Optimization. 45 (6): 627. Bibcode:2013EnOp...45..627G. doi:10.1080/0305215X.2012.704028. S2CID 123589002.
  14. ^ Wang, Ling; Li, Ling-po (2013). "An effective differential harmony search algorithm for the solving non-convex economic load dispatch problems". International Journal of Electrical Power & Energy Systems. 44: 832–843. doi:10.1016/j.ijepes.2012.08.021.
  15. ^ Nekooei, Komail; Farsangi, Malihe M.; Nezamabadi-Pour, Hossein; Lee, Kwang Y. (2013). "An Improved Multi-Objective Harmony Search for Optimal Placement of DGs in Distribution Systems". IEEE Transactions on Smart Grid. 4: 557–567. doi:10.1109/TSG.2012.2237420. S2CID 12988437.
  16. ^ Hadwan, Mohammed; Ayob, Masri; Sabar, Nasser R.; Qu, Roug (2013). "A harmony search algorithm for nurse rostering problems". Information Sciences. 233: 126–140. CiteSeerX 10.1.1.298.6805. doi:10.1016/j.ins.2012.12.025. S2CID 16569649.
  17. ^ Hoang, Duc Chinh; Yadav, Parikshit; Kumar, Rajesh; Panda, Sanjib Kumar (2014). "Real-Time Implementation of a Harmony Search Algorithm-Based Clustering Protocol for Energy-Efficient Wireless Sensor Networks". IEEE Transactions on Industrial Informatics. 10: 774–783. doi:10.1109/TII.2013.2273739. S2CID 3731612.
  18. ^ Ren Diao; Qiang Shen (2012). "Feature Selection with Harmony Search". IEEE Transactions on Systems, Man, and Cybernetics - Part B: Cybernetics. 42 (6): 1509–23. doi:10.1109/TSMCB.2012.2193613. PMID 22645272. S2CID 206794122.
  19. ^ Fattahi, Hadi; Gholami, Amin; Amiribakhtiar, Mohammad Sadegh; Moradi, Siyamak (2014). "Estimation of asphaltene precipitation from titration data: A hybrid support vector regression with harmony search". Neural Computing and Applications. 26 (4): 789. doi:10.1007/s00521-014-1766-y. S2CID 16208680.
  20. ^ "Harmony Search Algorithm". sites.google.com. Retrieved 23 April 2022.
  21. ^ Manjarres, D.; Landa-Torres, I.; Gil-Lopez, S.; Del Ser, J.; Bilbao, M.N.; Salcedo-Sanz, S.; Geem, Z.W. (2013). "A survey on applications of the harmony search algorithm". Engineering Applications of Artificial Intelligence. 26 (8): 1818. doi:10.1016/j.engappai.2013.05.008.
  22. ^ Assif Assad; Deep, Kusum (2016). "Applications of Harmony Search Algorithm in Data Mining: A Survey". Proceedings of Fifth International Conference on Soft Computing for Problem Solving. Advances in Intelligent Systems and Computing. Vol. 437. pp. 863–74. doi:10.1007/978-981-10-0451-3_77. ISBN 978-981-10-0450-6.
  23. ^ Weyland, Dennis (2015). "A critical analysis of the harmony search algorithm—How not to solve sudoku". Operations Research Perspectives. 2: 97–105. doi:10.1016/j.orp.2015.04.001.
  24. ^ Saka, M.; Hasançebi, O.; Seem, Z.W. (2016). "Metaheuristics in structural optimization and discussions on harmony search algorithm". Swarm and Evolutionary Computation. 28: 88–97. doi:10.1016/j.swevo.2016.01.005.
  25. ^ Karaboga, Dervis (2010). "Artificial bee colony algorithm". Scholarpedia. 5 (3): 6915. Bibcode:2010SchpJ...5.6915K. doi:10.4249/scholarpedia.6915.
  26. ^ 팜 DT, 간바르자데 A, 콕 E, 오트리 S, 라힘 S, 자이디 M.벌 알고리즘.기술 노트, 제조 공학 센터, 카디프 대학교, 영국, 2005.[page needed]
  27. ^ Pham, D T; Castellani, M (2009). "The Bees Algorithm: Modelling foraging behaviour to solve continuous optimization problems". Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science. 223 (12): 2919. doi:10.1243/09544062jmes1494. S2CID 111315200.
  28. ^ a b Atashpaz-Gargari, Esmaeil; Lucas, Caro (2007). "Imperialist competitive algorithm: An algorithm for optimization inspired by imperialistic competition". 2007 IEEE Congress on Evolutionary Computation. pp. 4661–7. doi:10.1109/CEC.2007.4425083. ISBN 978-1-4244-1339-3. S2CID 2736579.
  29. ^ a b Nazari-Shirkouhi, S.; Eivazy, H.; Ghodsi, R.; Rezaie, K.; Atashpaz-Gargari, E. (2010). "Solving the integrated product mix-outsourcing problem using the Imperialist Competitive Algorithm". Expert Systems with Applications. 37 (12): 7615. doi:10.1016/j.eswa.2010.04.081. S2CID 17563386.
  30. ^ Hosseini, Seyedmohsen; Al Khaled, Abdullah (2014). "A survey on the Imperialist Competitive Algorithm metaheuristic: Implementation in engineering domain and directions for future research". Applied Soft Computing. 24: 1078–1094. doi:10.1016/j.asoc.2014.08.024.
  31. ^ Akl, Selim G.; Calude, Cristian S.; Dinneen, Michael J.; Rozenberg, Grzegorz; Todd Wareham, H. (2007). Unconventional Computation. Lecture Notes in Computer Science. Vol. 4618. arXiv:0711.2964. doi:10.1007/978-3-540-73554-0. ISBN 978-3-540-73553-3.
  32. ^ Rabanal, Pablo; Rodríguez, Ismael; Rubio, Fernando (2009). "Applying River Formation Dynamics to Solve NP-Complete Problems". Nature-Inspired Algorithms for Optimisation. Studies in Computational Intelligence. Vol. 193. pp. 333–68. doi:10.1007/978-3-642-00267-0_12. ISBN 978-3-642-00266-3.
  33. ^ Amin, Saman Hameed; Al-Raweshidy, H.S.; Abbas, Rafed Sabbar (2014). "Smart data packet ad hoc routing protocol". Computer Networks. 62: 162–181. doi:10.1016/j.bjp.2013.11.015.
  34. ^ Redlarski, Grzegorz; Pałkowski, Aleksander; Dąbkowski, Mariusz (2013). "Using River Formation Dynamics Algorithm in Mobile Robot Navigation". Solid State Phenomena. 198: 138–143. doi:10.4028/www.scientific.net/SSP.198.138. S2CID 137020536.
  35. ^ Rabanal, Pablo; Rodríguez, Ismael; Rubio, Fernando (2017). "Applications of river formation dynamics" (PDF). Journal of Computational Science. 22: 26–35. doi:10.1016/j.jocs.2017.08.002.
  36. ^ Rashedi, Esmat; Nezamabadi-Pour, Hossein; Saryazdi, Saeid (2009). "GSA: A Gravitational Search Algorithm". Information Sciences. 179 (13): 2232. doi:10.1016/j.ins.2009.03.004.
  37. ^ Rashedi, Esmat; Nezamabadi-pour, Hossein; Saryazdi, Saeid (2009-06-13). "GSA: A Gravitational Search Algorithm". Information Sciences. Special Section on High Order Fuzzy Sets. 179 (13): 2232–2248. doi:10.1016/j.ins.2009.03.004. ISSN 0020-0255.
  38. ^ Hassanzadeh, Hamid Reza; Rouhani, Modjtaba (2010). "A Multi-objective Gravitational Search Algorithm". 2010 2nd International Conference on Computational Intelligence, Communication Systems and Networks. pp. 7–12. doi:10.1109/CICSyN.2010.32. ISBN 978-1-4244-7837-8. S2CID 649636.
  39. ^ Yang, Xin-She (2010). "A New Metaheuristic Bat-Inspired Algorithm". Nature Inspired Cooperative Strategies for Optimization (NICSO 2010). Studies in Computational Intelligence. Vol. 284. pp. 65–74. CiteSeerX 10.1.1.761.2708. doi:10.1007/978-3-642-12538-6_6. ISBN 978-3-642-12537-9. S2CID 14494281.
  40. ^ Tamura, Kenichi; Yasuda, Keiichiro (2016). "Spiral Optimization Algorithm Using Periodic Descent Directions". SICE Journal of Control, Measurement, and System Integration. 9 (3): 134–43. Bibcode:2016JCMSI...9..134T. doi:10.9746/jcmsi.9.134.
  41. ^ Rosenberg, Louis (February 12, 2016). "Artificial Swarm Intelligence, a Human-in-the-loop approach to A.I." Proceedings of the 13th Annual AAAI Conference on Artificial Intelligence (AAAI-16). 30. doi:10.1609/aaai.v30i1.9833. S2CID 8824332.
  42. ^ Reese, Hope (Jan 22, 2016). "How 'artificial swarm intelligence' uses people to make better predictions than experts".
  43. ^ Rosenberg, Louis B. (2015). "Human swarming, a real-time method for parallel distributed intelligence". 2015 Swarm/Human Blended Intelligence Workshop (SHBI). pp. 1–7. doi:10.1109/SHBI.2015.7321685. ISBN 978-1-4673-6522-2. S2CID 15166767.
  44. ^ Cuthbertson, Anthony (10 May 2016). "Artificial intelligence turns $20 into $11,000 in Kentucky Derby bet". Newsweek. Retrieved 23 April 2022.
  45. ^ Ohlheiser, Abby (2 June 2016). "What happened when an A.I. hive mind answered Reddit's burning politics questions". Washington Post. Retrieved 23 April 2022.
  46. ^ a b 알렉산더 브라운리와 존 R.우드워드 (2015)."우리가 자연에서 영감을 받은 알고리즘에 빠진 이유"대화.
  47. ^ 제리 스완, 스티븐 아드리아센, 모하메드 비슈르, 에드먼드 K.버크, 존 A.클라크, 패트릭 드 카우스메커, 후안조 두릴로, 케빈 해먼드, 엠마 하트, 콜린 G. 존슨, 졸탄 A.코시스, 벤 코비츠, 크리즈토프 크라위크, 사이먼 마틴, J. J. 메렐로, 레안드로 L. 밍쿠, 엔더 외즈칸, 지젤 L. 파파, 에르빈 페쉬, 파블로 가르시아-산체스, 안드레아 샤어프, 케빈 심, 짐 E.스미스, 토마스 슈투츨, 스테판 보 ß, 스테판 바그너, 신 야오메타휴리스틱 표준화를 위한 연구 아젠다."유언은 종종 새로운 메타휴리스틱에 영감을 주지만, 수학적인 엄격함이 없다면 새로운 메타휴리스틱이 익숙한 메타휴리스틱과 정말로 구별되는 것인지 구분하기가 어려울 수 있습니다.예를 들어 수학적으로 '조화 탐색'은 '진화 전략'의 단순한 변형으로 밝혀졌는데, 이들에게 영감을 준 은유들은 상당히 달랐음에도 불구하고 말입니다.상태, 표현 및 연산자를 공식적으로 기술하면 진정한 새로움과 사소한 변화를 구별할 수 있습니다."
  48. ^ Sörensen, Kenneth (2015). "Metaheuristics-the metaphor exposed". International Transactions in Operational Research. 22: 3–18. CiteSeerX 10.1.1.470.3422. doi:10.1111/itor.12001. S2CID 14042315.
  49. ^ Fred Glover and Kenneth Sörensen (ed.). "Metaheuristics". Scholarpedia.
  50. ^ "Journal of Heuristic Policies on Heuristic Search Research" (PDF). www.springer.com. Archived from the original (PDF) on 9 July 2017.
  51. ^ "4OR – incl. Option to publish open access". www.springer.com. Retrieved 23 April 2022.

참고문헌

외부 링크