Recenti progressi nell'uso del bio

Aug 09, 2023

Rapporti scientifici volume 12, numero articolo: 19157 (2022) Citare questo articolo

4008 accessi

11 citazioni

2 Altmetrico

Dettagli sulle metriche

La complessità dei problemi di ottimizzazione ingegneristica è in aumento. Gli algoritmi di ottimizzazione classici basati sul gradiente sono un mezzo matematico per risolvere problemi complessi la cui capacità di farlo è limitata. Le metaeuristiche sono diventate più popolari dei metodi esatti per risolvere problemi di ottimizzazione a causa della loro semplicità e della robustezza dei risultati che producono. Recentemente, è stato dimostrato che gli algoritmi bioispirati basati sulla popolazione funzionano favorevolmente nella risoluzione di un'ampia gamma di problemi di ottimizzazione. L'ottimizzatore di ricerca delle meduse (JSO) è uno di questi algoritmi metaeuristici di ispirazione bio, che si basa sul comportamento delle meduse nell'oceano nella ricerca di cibo. Secondo la letteratura, JSO supera molte meta-euristiche ben note in un’ampia gamma di funzioni di benchmark e applicazioni nel mondo reale. JSO può essere utilizzato anche insieme ad altre tecniche legate all'intelligenza artificiale. Il successo di JSO nel risolvere diversi problemi di ottimizzazione motiva la presente discussione completa delle ultime scoperte relative a JSO. Questo documento esamina vari problemi associati a JSO, come la sua ispirazione, le varianti e le applicazioni, e fornirà gli ultimi sviluppi e risultati della ricerca riguardanti JSO. La revisione sistematica contribuisce allo sviluppo di versioni modificate e all'ibridazione di JSO per migliorare il JSO originale e le varianti attuali e aiuterà i ricercatori a sviluppare algoritmi di ottimizzazione metaeuristici superiori con raccomandazioni di agenti intelligenti aggiuntivi.

L'ottimizzazione è un processo utilizzato per trovare gli input migliori per massimizzare/minimizzare gli output a costi computazionali accessibili1, 2. La complessità dei problemi di ottimizzazione ingegneristica è in aumento. Gli algoritmi di ottimizzazione classici basati sul gradiente hanno una capacità limitata di risolvere problemi di ottimizzazione complessi utilizzando metodi matematici convenzionali3,4,5. Ovviamente, alcuni metodi tradizionali possono essere utilizzati per risolvere problemi di ottimizzazione, ma potrebbero non fornire risultati ottimali. Inoltre, i metodi tradizionali non possono risolvere tutti i problemi non lineari difficili in un tempo accettabile6, 7. Le metaeuristiche sono diventate più popolari dei metodi esatti per risolvere problemi di ottimizzazione a causa della loro semplicità e della robustezza dei risultati che forniscono8,9,10. Recentemente è stato dimostrato che gli algoritmi bioispirati basati sulla popolazione funzionano bene nel risolvere un'ampia gamma di problemi di ottimizzazione.

Gli algoritmi originali sviluppati di recente includono l'algoritmo di indagine forense (FBI)8, l'algoritmo della muffa melmosa (SMA)11, l'algoritmo di ottimizzazione dell'insegnamento di gruppo (GTOA)12, l'ottimizzazione del gruppo dinamico (DGO)13, l'algoritmo di ottimizzazione degli avvoltoi africani (AVOA) 14, l'algoritmo Rao-315, l'ottimizzatore delle truppe gorilla (GTO)16, l'ottimizzazione dell'agente olfattivo (SAO)17, l'algoritmo di ricerca dei passeri (SSA)18, l'ottimizzatore dell'ecosistema artificiale (AEO)19, l'ottimizzatore del mormorio dello storno (SMO) 20, l'algoritmo di ottimizzazione della mangusta nana (DMOA)21, l'algoritmo di ottimizzazione della strategia di guerra (WSOA)22, l'algoritmo di ottimizzazione della farfalla dinamica (DBOA)23, la tecnica di ottimizzazione del colibrì artificiale (AHOT)24 e l'algoritmo di ottimizzazione dell'antleone (ALOA) 25.

Gli algoritmi recentemente migliorati includono l'ottimizzatore Harris Hawks modificato in ordine frazionario (FMHHO)26, l'algoritmo modificato di ottimizzazione del foraggiamento delle mante (MMRFOA)27, un algoritmo migliorato per la muffa melmosa28, l'algoritmo ibrido dei predatori marini (HMPA)29, l'ottimizzazione dello sciame di particelle a gradini partizionati (PSPSO)30, l'algoritmo migliorato di ottimizzazione degli scimpanzé (ICHOA)31, l'algoritmo di ricerca del cuculo ad alte prestazioni (HPCSA)32, l'algoritmo di apprendimento completo dei predatori marini (CLMPA)33, l'algoritmo di ricerca dei passeri potenziato (ESSA)34, l'algoritmo ibrido noto come strategia a tre apprendimenti PSO (TLS-PSO)35, l'algoritmo avanzato di ottimizzazione del pastore shuffled (ESSOA)36, l'algoritmo ibrido salp swarm con ottimizzazione basata sull'insegnamento-apprendimento (HSSATLBO)37 e un ibrido avanzato di strategia incrociata ottimizzazione e l'algoritmo di ottimizzazione aritmetica (CSOAOA)38. Sia gli algoritmi di ottimizzazione metaeuristici originali che quelli migliorati vengono utilizzati in un'ampia gamma di campi, tra cui l'ingegneria, l'economia, i trasporti, l'energia e persino le scienze sociali.