Treffer: An Improved Cuckoo Search Algorithm Utilizing Nonlinear Inertia Weight and Differential Evolution for Function Optimization Problem

Cet article propose un algorithme de recherche de coucou (CS) amélioré combinant un algorithme de poids inertiel non linéaire et d'évolution différentielle (WCSDE) pour surmonter les lacunes de l'algorithme CS, telles qu'une faible précision de convergence, un manque d'échange d'informations au sein de la population et des capacités de recherche locale inadéquates. Par rapport à d'autres variantes du CS, deux stratégies sont proposées dans cet article pour améliorer les propriétés du WCSDE. D'une part, un poids d'inertie décroissant de manière non linéaire avec le nombre d'itérations évolutives est utilisé dans le WCSDE pour améliorer la méthode de mise à jour de la position du nid d'oiseau, améliore l'équilibre entre les capacités d'exploration et de développement et renforce la capacité d'optimisation locale. D'autre part, les mécanismes de mutation et de sélection croisée de l'algorithme d'évolution différentielle (DE) sont introduits pour compenser l'absence de relation mutuelle entre les populations, éviter la perte d'informations pratiques et augmenter la précision de la convergence. Dans la partie expérimentale, 13 fonctions de référence classiques sont sélectionnées pour exécuter les tâches d'optimisation des fonctions parmi le CS standard, le WCSDE et les quatre autres CS variantes pour vérifier l'efficacité de l'algorithme proposé à partir de deux aspects. Les résultats et l'analyse statistique correspondante révèlent que l'algorithme proposé a une meilleure capacité de recherche globale et une robustesse renforcée.
Este documento propone un algoritmo de búsqueda de cuco (CS) mejorado que combina un algoritmo de evolución diferencial y de peso inercial no lineal (WCSDE) para superar las deficiencias del algoritmo de CS, como la baja precisión de convergencia, la falta de intercambio de información dentro de la población y las capacidades de búsqueda local inadecuadas. En comparación con otras variantes de CS, en este documento se proponen dos estrategias para mejorar las propiedades del WCSDE. Por un lado, se emplea un peso de inercia decreciente no lineal con el número de iteraciones evolutivas en el WCSDE para mejorar el método de actualización de la posición del nido del ave, mejorar el equilibrio entre las capacidades de exploración y desarrollo y fortalecer la capacidad de optimización local. Por otro lado, se introducen los mecanismos de mutación y selección cruzada del algoritmo de evolución diferencial (DE) para compensar la falta de relación mutua entre las poblaciones, evitar la pérdida de información práctica y aumentar la precisión de convergencia. En la parte del experimento, se seleccionan 13 funciones de referencia clásicas para ejecutar las tareas de optimización de funciones entre el CS estándar, el WCSDE y otros cuatro CS variantes para verificar la efectividad del algoritmo propuesto desde dos aspectos. Los resultados y el análisis estadístico correspondiente revelan que el algoritmo propuesto tiene una mejor capacidad de búsqueda global y una mayor robustez.
This paper proposes an improved cuckoo search (CS) algorithm combining nonlinear inertial weight and differential evolution algorithm (WCSDE) to overcome the shortcomings of the CS algorithm, such as low convergence accuracy, lack of information exchange within the population, and inadequate local search capabilities.Compared with other CS variants, two strategies are proposed in this paper to improve the properties of the WCSDE.On the one hand, a non-linearly decreasing inertia weight with the number of evolutionary iterations is employed in the WCSDE to improve the update method of the bird's nest position, enhance the balance between the exploration and development capabilities, and strengthen the local optimization capability.On the other hand, the mutation and cross-selection mechanisms of the differential evolution (DE) algorithm are introduced to make up for the lack of the mutual relationship between the populations, avoid the loss of practical information, and increase the convergence accuracy.In the experiment part, 13 classic benchmark functions are selected to execute the function optimization tasks among the standard CS, the WCSDE, and other four CS variants to verify the effectiveness of the proposed algorithm from two aspects.The results and corresponding statistical analysis reveal that the proposed algorithm has better global search ability and strengthener robustness.
تقترح هذه الورقة خوارزمية محسنة للبحث عن الوقواق (CS) تجمع بين الوزن القصوري غير الخطي وخوارزمية التطور التفاضلي (WCSDE) للتغلب على أوجه القصور في خوارزمية CS، مثل دقة التقارب المنخفضة، ونقص تبادل المعلومات بين السكان، وعدم كفاية قدرات البحث المحلية. بالمقارنة مع متغيرات CS الأخرى، يتم اقتراح استراتيجيتين في هذه الورقة لتحسين خصائص WCSDE. من ناحية، يتم استخدام وزن القصور الذاتي المتناقص غير الخطي مع عدد التكرارات التطورية في WCSDE لتحسين طريقة تحديث موضع عش الطائر، وتعزيز التوازن بين قدرات الاستكشاف والتطوير، وتعزيز قدرة التحسين المحلية. من ناحية أخرى، يتم إدخال آليات الطفرة والانتقاء المتبادل لخوارزمية التطور التفاضلي (DE) للتعويض عن نقص العلاقة المتبادلة بين السكان، وتجنب فقدان المعلومات العملية، وزيادة دقة التقارب. في جزء التجربة، يتم اختيار 13 وظيفة معيارية كلاسيكية لتنفيذ مهام تحسين الوظيفة بين CS القياسية و WCSDE و CS الأربعة الأخرى المتغيرات للتحقق من فعالية الخوارزمية المقترحة من جانبين. تكشف النتائج والتحليل الإحصائي المقابل أن الخوارزمية المقترحة تتمتع بقدرة بحث عالمية أفضل وقوة تقوية.