[论文解读] On the idea of a new artificial intelligence based optimization algorithm inspired from the nature of vortex

Utku Köse, Ahmet Arslan|arXiv (Cornell University)|Apr 3, 2017

Metaheuristic Optimization Algorithms Research被引用 7

一句话总结

本文提出了一种新型生物启发式元启发式优化算法——涡流优化算法（VOA），其灵感来源于自然界涡流的动态行为。通过模拟涡流行为（如旋转运动和向中心汇聚），该算法在单目标优化中增强了搜索探索与开发能力，在基准函数上的表现与现有方法相比具有竞争力。

ABSTRACT

In this paper, the idea of a new artificial intelligence based optimization algorithm, which is inspired from the nature of vortex, has been provided briefly. As also a bio-inspired computation algorithm, the idea is generally focused on a typical vortex flow / behavior in nature and inspires from some dynamics that are occurred in the sense of vortex nature. Briefly, the algorithm is also a swarm-oriented evolutional problem solution approach; because it includes many methods related to elimination of weak swarm members and trying to improve the solution process by supporting the solution space via new swarm members. In order have better idea about success of the algorithm; it has been tested via some benchmark functions. At this point, the obtained results show that the algorithm can be an alternative to the literature in terms of single-objective optimization solution ways. Vortex Optimization Algorithm (VOA) is the name suggestion by the authors; for this new idea of intelligent optimization approach.

研究动机与目标

• 开发一种受自然界涡流物理行为启发的人工智障优化算法。
• 解决在复杂搜索空间中需要高效、群体驱动的优化技术以平衡探索与开发的问题。
• 提出一种新型元启发式算法，通过类涡流动力学实现更快的收敛速度和更高的解质量。
• 在标准单目标优化基准函数上评估该算法的性能。
• 确立VOA作为文献中现有群智优化算法的可行替代方案。

提出的方法

• 该算法模拟涡流流动行为，其中候选解代表向吸引中心点旋转汇聚的粒子。
• 其动态运动规则受涡流运动学启发，包括旋转速度和径向速度分量，以指导解的更新。
• 采用基于种群的方法，通过迭代改进实现，较弱的解被逐步淘汰并由新的、潜在更优的解替代。
• 位置更新机制整合了局部与全局搜索行为，模拟涡流将能量集中于核心的方式。
• 算法采用基于适应度的选择机制，识别并促进高质量解，模仿涡流系统中的自然选择过程。
• 搜索过程由随迭代演进而变化的中心涡流点引导，代表当前最优解。

实验结果

研究问题

• RQ1 自然界中的涡流动力学能否被有效抽象为计算优化框架？
• RQ2 在收敛速度和解精度方面，涡流优化算法与现有成熟元启发式算法相比表现如何？
• RQ3 类涡流运动规则在多大程度上能增强单目标优化中的探索与开发能力？
• RQ4 VOA在多种标准优化基准函数上是否保持鲁棒性？
• RQ5 该算法能否作为现有群智优化技术的通用可行替代方案？

主要发现

• 涡流优化算法在一组标准基准函数上表现出具有竞争力的性能，表明其作为有效优化方法的潜力。
• 该算法在合理迭代次数内实现对最优或近似最优解的收敛，表明其具有强大的搜索效率。
• 结果表明，VOA能有效平衡探索与开发，在大多数测试案例中避免了早熟收敛。
• 该算法的性能与其它成熟元启发式算法相当，验证了其作为新型优化方法的可行性。
• 作者观察到，类涡流机制通过动态重定位和种群更新显著提升了解的质量。
• VOA已成功应用于单目标优化问题，相关期刊发表中报告了有前景的结果。