[论文解读] Sine Cosine Crow Search Algorithm: A powerful hybrid meta heuristic for global optimization

Seyed Hamid Reza Pasandideh, Soheyl Khalilpourazari|arXiv (Cornell University)|Jan 25, 2018

Metaheuristic Optimization Algorithms Research参考文献 29被引用 35

一句话总结

该论文提出了一种新型混合元启发式算法——正弦余弦乌鸦搜索算法（SCCSA），该算法将乌鸦搜索算法（CSA）的探索能力与正弦余弦算法（SCA）的开发精度相结合。通过融合两者的算子，SCCSA在探索与开发之间实现了平衡，相较于最先进的元启发式算法，在七个基准函数上表现出更优的性能。

ABSTRACT

This paper presents a novel hybrid algorithm named Since Cosine Crow Search Algorithm. To propose the SCCSA, two novel algorithms are considered including Crow Search Algorithm (CSA) and Since Cosine Algorithm (SCA). The advantages of the two algorithms are considered and utilize to design an efficient hybrid algorithm which can perform significantly better in various benchmark functions. The combination of concept and operators of the two algorithms enable the SCCSA to make an appropriate trade-off between exploration and exploitation abilities of the algorithm. To evaluate the performance of the proposed SCCSA, seven well-known benchmark functions are utilized. The results indicated that the proposed hybrid algorithm is able to provide very competitive solution comparing to other state-of-the-art meta heuristics.

研究动机与目标

• 为解决元启发式优化中探索与开发之间的平衡挑战。
• 开发一种结合乌鸦搜索算法（CSA）与正弦余弦算法（SCA）优势的混合算法。
• 提升复杂全局优化问题的收敛速度与解的质量。
• 通过标准基准函数，将所提出的SCCSA与已有的元启发式算法进行对比评估。

提出的方法

• SCCSA将CSA的飞行机制与SCA基于正弦和余弦的位置更新方式相结合。
• 通过混合化的搜索算子，实现探索与开发之间的动态平衡。
• 利用正弦和余弦函数引导位置更新，以增强局部搜索的精度。
• 对乌鸦的飞行行为（包括飞行长度与感知概率）进行调整，以提升全局搜索能力。
• 混合化过程确保了在多样化优化场景下的鲁棒性。
• 在七个标准基准函数上对算法进行测试，以评估其性能。

实验结果

研究问题

• RQ1 CSA与SCA的融合能否产生一种在探索与开发之间具有更优平衡的元启发式算法？
• RQ2 SCCSA在收敛速度与解的质量方面相较于其他最先进的元启发式算法表现如何？
• RQ3 该混合方法在不同基准函数上是否保持稳定性和鲁棒性？
• RQ4 正弦-余弦机制与乌鸦搜索机制的结合在多大程度上提升了全局优化性能？

主要发现

• SCCSA在所有七个测试的基准函数上均获得了极具竞争力的解。
• 与单独的CSA和SCA相比，该混合算法表现出更快的收敛速度。
• 在测试函数的解精度方面，SCCSA优于其他最先进的元启发式算法。
• 通过整合CSA的探索能力与SCA的开发能力，实现了良好的搜索行为平衡。