本文介绍了一种较为新颖的优化算法——拔河优化算法(tug of war optimization,TWO)[1]。该算法属于自然启发式、基于群体的元启发式算法。利用体育隐喻,将每个候选解视为参与一系列拔河比赛的团队。这些团队根据它们所代表的解的质量...本文介绍了一种较为新颖的优化算法——拔河优化算法(tug of war optimization,TWO)[1]。该算法属于自然启发式、基于群体的元启发式算法。利用体育隐喻,将每个候选解视为参与一系列拔河比赛的团队。这些团队根据它们所代表的解的质量对彼此施加拉力。竞争的团队根据牛顿力学的运动规律移动到新的位置。与许多其他元启发式方法不同,该算法考虑了相互作用团队的质量。TWO适用于全局优化问题,包括不连续、多峰、非光滑和非凸函数。并在本文中与PSO、SA等其它算法进行了对比验证,实验结果表明TWO具有较高的可靠性与搜索速度。展开更多
文摘本文介绍了一种较为新颖的优化算法——拔河优化算法(tug of war optimization,TWO)[1]。该算法属于自然启发式、基于群体的元启发式算法。利用体育隐喻,将每个候选解视为参与一系列拔河比赛的团队。这些团队根据它们所代表的解的质量对彼此施加拉力。竞争的团队根据牛顿力学的运动规律移动到新的位置。与许多其他元启发式方法不同,该算法考虑了相互作用团队的质量。TWO适用于全局优化问题,包括不连续、多峰、非光滑和非凸函数。并在本文中与PSO、SA等其它算法进行了对比验证,实验结果表明TWO具有较高的可靠性与搜索速度。
