Сочинение на тему Алгоритмы оптимизации добычи данных, основанные на Swarm Intelligence

Алгоритмы оптимизации, основанные на Swarm Intelligence (SI), были созданы для имитации хитрого поведения существ. В этих отображающих рамках совокупность форм жизни, например муравьев, медоносных пчел, крылатых существ и рыб, соединяется друг с другом и с их состоянием посредством обмена данными, что приводит к использованию их состояния и активов. Одним из более поздних вычислений улучшения на основе SI является расчет оптимизации роя кошек (CSO), который зависит от поведения кошачьих. Созданный Chu and Tsai (2007), расчет CSO и его ассортимента были актуализированы для решения различных задач по улучшению. Отличительные разновидности расчета были созданы специалистами.

Продемонстрировав параллельную структуру расчета (то есть параллельное ОГО или PCSO), они дополнительно создали улучшенное представление своего PCSO (EPCSO), присоединив метод Тагучи к следующей процедуре расчета. Парная адаптация CSO (BCSO) была создана Sharafi et al. (2013) и связаны с различными проблемами улучшения показателей и проблемой «один ноль – рюкзак». Расчет неорганизованного семейства кошачьих (CCSA) был создан Yang et al. Используя отличительные турбулентные карты, прогресс в поиске режима был достигнут. Ввиду идеи гомотопии, Yang et al. (2013b), предложили вычисление гомотопически настроенного кошачьего роя (HCSA) для повышения мастерства в преследовании. Лин и соавт. (2014a) предложили методику улучшения ОГО и представили Гармоничное ОГО (HCSO). Лин и соавт. (2014b) представили измененный расчет CSO (MCSO), пригодный для повышения эффективности расследования внутри пространства вопросов. Фундаментальный расчет CSO был дополнительно включен в методологию поиска окрестностей и, кроме того, определение элементов машин справочных векторов (SVM). Этот метод изменил представление о готовой среде для кошек в поиске метода расчета ОГО. Путем постепенного изменения параметра пропорции смешения (MR) в расчете CSO, Wang (2015) усовершенствовал расчет CSO с помощью универсального управления параметрами. Ojha and Naidu (2015) разработали стратегию продвижения полукровки кошачьих роев, включив вычисление интрузивного улучшения сорняков (IWO) в следующий метод расчета CSO.