[论文解读] A survey on pioneering metaheuristic algorithms between 2019 and 2024

Tansel Dökeroğlu, Deniz Cantürk+1 more|ArXiv.org|Dec 28, 2024

Metaheuristic Optimization Algorithms Research被引用 4

一句话总结

本文对2019至2024年间开发的158种元启发式算法进行了全面综述，基于引用影响力、问题多样性、代码可获取性以及对停滞的鲁棒性等标准，识别出23种最具影响力的算法。文章评估了这些算法的机制、应用场景与可用性，为研究人员在应对复杂优化挑战时选择算法提供了关键基准。

ABSTRACT

This review examines over 150 new metaheuristics of the last six years (between 2019 and 2024), underscoring their profound influence and performance. Over the past three decades, more than 500 new metaheuristic algorithms have been proposed, with no slowdown in sight. An overwhelming abundance that complicates the process of selecting and assessing the most effective solutions for complex optimization challenges. Our evaluation centers on pivotal criteria, including annual citation metrics, the breadth of the addressed problem types, source code availability, user friendly parameter configurations, innovative mechanisms and operators, and approaches designed to mitigate traditional metaheuristic issues such as stagnation and premature convergence. We further explore recent high impact applications of the past six years' most influential 23 metahueristic algorithms, shedding light on their advantages and limitations, while identifying challenges and potential avenues for future research.

研究动机与目标

• 为应对2019至2024年间超过150项新元启发式算法提案所带来的选择难题。
• 基于引用频率、问题多样性及代码可获取性等多重标准，识别并评估最具影响力的元启发式算法。
• 分析领先算法的优势、局限性及其创新机制，以指导研究人员和实践者进行算法选择。
• 突出展示排名前23的算法在2019至2024年间在多样化现实世界优化问题中的高影响力应用。
• 识别元启发式设计与应用中的开放性挑战及未来研究方向。

提出的方法

• 利用学术数据库与引用追踪，对2019至2024年间新提出的158种元启发式算法进行了系统性综述。
• 从六个关键标准评估算法：年度引用次数、所解决问题类型的范围、源代码可获取性、参数调优难易度、机制新颖性，以及对停滞和早熟收敛的鲁棒性。
• 基于各项评估标准的综合表现筛选出23种表现最优的算法，其中引用次数作为主要筛选条件。
• 对入选的23种算法进行深入比较分析，重点关注其独特的算子、搜索策略及收敛行为。
• 收集并整合2019至2024年间前23种算法的最先进应用案例，以展示其在现实世界中的实际影响。
• 识别趋势、局限性与研究空白，为未来算法开发与应用提供指导。

Figure 1 : The query results on Google Scholar and Web of Science (WOS) with the keywords ”metaheuristic” for the last 15 years (2011 and 2024).

实验结果

研究问题

• RQ1 2019至2024年间引入的哪些元启发式算法展现出最高影响力与持续的研究影响？
• RQ2 表现优异的元启发式算法在机制设计、参数敏感性及对优化陷阱（如停滞）的鲁棒性方面有何差异？
• RQ3 算法新颖性、代码可获取性与研究社区采纳率之间存在何种关系？
• RQ4 2019至2024年间最具影响力的元启发式算法在哪些主要应用领域表现突出？
• RQ5 领先元启发式设计中普遍存在的共同挑战与局限性是什么？未来最具前景的研究方向为何？

主要发现

• Harris Hawks Optimization算法截至2024年11月已获得11,300次引用，是2019至2024年间被引用最多的元启发式算法。
• Gradient-based Optimizer（2020）与Slime Mould Algorithm（2020）各自均获得超过5,000次引用，表明其在多样化优化问题中具有广泛采纳与显著影响。
• 诸如Dung Beetle Optimizer（2023）与Chaos Game Optimization（2024）等近期引入的算法影响力持续上升，截至2024年底分别获得超过900次与760次引用。
• 在所审查的158种算法中，仅有23种在所有评估标准上均达到高影响力阈值，凸显了在元启发式研究中开展严格基准测试的必要性。
• 大量高引用算法（如Marine Predators、Equilibrium Optimizer）集中于2020年发表，表明该年为创新高峰期。
• 具备开源代码与用户友好参数设置的算法在可用性与采纳率方面始终排名更高，凸显了算法设计中可访问性的重要性。

Figure 2 : The steps of the HHO metaheuristic according to the energy level (E), $q$ and $r$ values.