Halfway Escape Optimization: A Quantum-Inspired Solution for General Optimization Problems

要約

この論文ではまず、効率的な収束率で険しい景観と高次元性を特徴とする一般的な最適化問題に対処するように設計された、量子にインスピレーションを得たメタヒューリスティックであるハーフウェイ エスケープ最適化 (HEO) アルゴリズムを提案します。
この研究では、粒子群最適化 (PSO)、遺伝的アルゴリズム (GA)、人工魚群アルゴリズム (AFSA)、Gray Wolf Optimizer (GWO)、量子挙動粒子群最適化などの確立された最適化アルゴリズムに対する HEO のパフォーマンスの包括的な比較評価が示されています。
(QPSO)。
一次分析には次元 30 の 14 のベンチマーク関数が含まれており、一般的な最適化問題を解決する際の HEO の有効性と適応性を実証し、そのパフォーマンスに関する貴重な洞察を提供します。
圧力容器設計および管柱設計における HEO のテストにより、リアルタイム アプリケーションでの実現可能性と可能性が推測されます。
Osmancik-97 および Cammeo Rice 分類でのさらなる検証により、HEO の有効性が証明され、より高い精度の記録が達成されました。

要約(オリジナル)

This paper first proposes the Halfway Escape Optimization (HEO) algorithm, a quantum-inspired metaheuristic designed to address general optimization problems characterized by rugged landscapes and high-dimensionality with an efficient convergence rate. The study presents a comprehensive comparative evaluation of HEO’s performance against established optimization algorithms, including Particle Swarm Optimization (PSO), Genetic Algorithm (GA), Artificial Fish Swarm Algorithm (AFSA), Grey Wolf Optimizer (GWO), and Quantum behaved Particle Swarm Optimization (QPSO). The primary analysis encompasses 14 benchmark functions with dimension 30, demonstrating HEO’s effectiveness and adaptability in navigating general optimization problems and providing valuable insights into its performance. The test of HEO in Pressure Vessel Design and Tubular Column Design infers its feasibility and potential in real-time applications. Further validation in Osmancik-97 and Cammeo Rice Classification proves the effectiveness of HEO and achieves a higher accuracy record.

arxiv情報

著者 Jiawen Li,Anwar PP Abdul Majeed,Pascal Lefevre
発行日 2024-08-28 17:19:27+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.NE, math.OC パーマリンク