[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Un optimizador de serpiente mejorado y de múltiples estrategias para la planificación de rutas de UAV tridimensionales y problemas de ingeniería

Created by
  • Haebom

Autor

Genliang Li, Yaxin Cui, Jinyu Su

Describir

Este artículo propone un novedoso Optimizador de Serpiente Mejorado Multiestrategia (MISO) para optimizar la baja velocidad de convergencia y el óptimo local del algoritmo Optimizador de Serpiente (SO) existente. MISO introduce una estrategia de perturbación aleatoria adaptativa basada en una función seno, una estrategia de vuelo Levy adaptativa basada en un coeficiente de tamaño y un líder, y una estrategia de actualización de posición que combina el liderazgo de élite y el movimiento browniano para escapar del óptimo local y mejorar la velocidad de convergencia. Los resultados experimentales de las funciones de prueba CEC2017 y CEC2022, seis problemas de diseño de ingeniería y el problema de planificación de trayectoria 3D de vehículos aéreos no tripulados (UAV) demuestran que MISO supera a los algoritmos existentes.

Takeaways, Limitations

•
Takeaways:
◦
El algoritmo MISO mejora eficazmente las deficiencias del algoritmo SO existente, mejorando la velocidad de convergencia y la capacidad de búsqueda de soluciones óptimas.
◦
Su valor práctico se demuestra verificando su aplicabilidad a diversos problemas (función de prueba CEC2017/2022, problema de diseño de ingeniería, problema de planificación de trayectoria de UAV).
◦
La estrategia de perturbación aleatoria adaptativa propuesta, la estrategia de vuelo Levy adaptativa y la estrategia de actualización de posición se pueden utilizar como estrategias de mejora general aplicables a otros algoritmos metaheurísticos.
•
Limitations:
◦
Los resultados experimentales presentados en este artículo se limitan a funciones de prueba y problemas específicos, y se necesitan experimentos adicionales sobre problemas más diversos y complejos.
◦
Se carece de análisis detallados y directrices sobre el ajuste de parámetros del algoritmo MISO. Dado que la configuración óptima de los parámetros puede variar según las características del problema, se requiere mayor investigación sobre el ajuste de parámetros.
◦
Falta un análisis de la complejidad y el coste computacional del algoritmo. En particular, se debería analizar con más detalle su eficiencia para evaluar su aplicabilidad a problemas de gran escala.
👍
Made with Slashpage