Published October 5, 2023
| Version v1
Publication
Open
Modified beluga whale optimization with multi-strategies for solving engineering problems
Creators
- 1. Sanming University
- 2. Al al-Bayt University
- 3. Yuan Ze University
- 4. Al-Ahliyya Amman University
- 5. Middle East University
- 6. Applied Science Private University
- 7. Universiti Sains Malaysia
- 8. Sunway University
Description
Abstract The beluga whale optimization (BWO) algorithm is a recently proposed metaheuristic optimization algorithm that simulates three behaviors: beluga whales interacting in pairs to perform mirror swimming, population sharing information to cooperate in predation, and whale fall. However, the optimization performance of the BWO algorithm still needs to be improved to enhance its practicality. This paper proposes a modified beluga whale optimization (MBWO) with a multi-strategy. It was inspired by beluga whales' two behaviors: group gathering for foraging and searching for new habitats in long-distance migration. This paper proposes a group aggregation strategy (GAs) and a migration strategy (Ms). The GAs can improve the local development ability of the algorithm and accelerate the overall rate of convergence through the group aggregation fine search; the Ms randomly moves towards the periphery of the population, enhancing the ability to jump out of local optima. In order to verify the optimization ability of MBWO, this article conducted comprehensive testing on MBWO using 23 benchmark functions, IEEE CEC2014, and IEEE CEC2021. The experimental results indicate that MBWO has a strong optimization ability. This paper also tests MBWO's ability to solve practical engineering optimization problems through five practical engineering problems. The final results prove the effectiveness of MBWO in solving practical engineering optimization problems.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
الملخص خوارزمية تحسين حوت البيلوغا (BWO) هي خوارزمية تحسين ميتاهوريستية مقترحة مؤخرًا تحاكي ثلاثة سلوكيات: تتفاعل حيتان البيلوغا في أزواج لأداء السباحة المرآتية، وتبادل المعلومات بين السكان للتعاون في الافتراس، وسقوط الحيتان. ومع ذلك، لا يزال أداء التحسين لخوارزمية BWO بحاجة إلى تحسين لتعزيز عمليتها. تقترح هذه الورقة تحسينًا معدلًا للحوت الأبيض (MBWO) مع استراتيجية متعددة. كان مستوحى من سلوكي الحيتان البيضاء: التجمع الجماعي للبحث عن الطعام والبحث عن موائل جديدة في الهجرة لمسافات طويلة. تقترح هذه الورقة استراتيجية تجميع المجموعات (GAs) واستراتيجية الهجرة (Ms). يمكن لـ GAS تحسين قدرة التنمية المحلية للخوارزمية وتسريع المعدل العام للتقارب من خلال البحث الدقيق لتجميع المجموعة ؛ تتحرك Ms بشكل عشوائي نحو محيط السكان، مما يعزز القدرة على القفز من Opta المحلية. من أجل التحقق من قدرة MBWO على التحسين، أجرت هذه المقالة اختبارًا شاملاً على MBWO باستخدام 23 وظيفة مرجعية، IEEE CEC2014، و IEEE CEC2021. تشير النتائج التجريبية إلى أن MBWO لديها قدرة تحسين قوية. تختبر هذه الورقة أيضًا قدرة MBWO على حل مشكلات التحسين الهندسي العملي من خلال خمس مشكلات هندسية عملية. تثبت النتائج النهائية فعالية MBWO في حل مشاكل التحسين الهندسي العملي.Translated Description (French)
Résumé L'algorithme d'optimisation des bélugas (BWO) est un algorithme d'optimisation métaheuristique récemment proposé qui simule trois comportements : les bélugas interagissent par paires pour nager dans un miroir, les populations partagent des informations pour coopérer à la prédation et les baleines tombent. Cependant, les performances d'optimisation de l'algorithme BWO doivent encore être améliorées pour améliorer sa praticité. Cet article propose une optimisation modifiée du béluga (MBWO) avec une multi-stratégie. Il a été inspiré par les deux comportements des bélugas : la cueillette en groupe pour la recherche de nourriture et la recherche de nouveaux habitats pour la migration à longue distance. Ce document propose une stratégie d'agrégation de groupe (AG) et une stratégie de migration (MS). Les AG peuvent améliorer la capacité de développement local de l'algorithme et accélérer le taux global de convergence grâce à la recherche fine d'agrégation de groupe ; le MS se déplace aléatoirement vers la périphérie de la population, améliorant la capacité à sortir de l'optima local. Afin de vérifier la capacité d'optimisation de MBWO, cet article a effectué des tests complets sur MBWO en utilisant 23 fonctions de référence, IEEE CEC2014 et IEEE CEC2021. Les résultats expérimentaux indiquent que MBWO a une forte capacité d'optimisation. Cet article teste également la capacité de MBWO à résoudre des problèmes d'optimisation d'ingénierie pratiques à travers cinq problèmes d'ingénierie pratiques. Les résultats finaux prouvent l'efficacité de MBWO dans la résolution de problèmes pratiques d'optimisation de l'ingénierie.Translated Description (Spanish)
Resumen El algoritmo de optimización de la ballena beluga (BWO) es un algoritmo de optimización metaheurística propuesto recientemente que simula tres comportamientos: las ballenas beluga interactúan en parejas para nadar en el espejo, la población comparte información para cooperar en la depredación y la caída de ballenas. Sin embargo, el rendimiento de optimización del algoritmo BWO aún debe mejorarse para mejorar su practicidad. Este artículo propone una optimización modificada de la ballena beluga (MBWO) con una estrategia múltiple. Se inspiró en los dos comportamientos de las ballenas beluga: la reunión grupal para buscar alimento y la búsqueda de nuevos hábitats en la migración a larga distancia. Este documento propone una estrategia de agregación de grupos (GA) y una estrategia de migración (Ms). Los AG pueden mejorar la capacidad de desarrollo local del algoritmo y acelerar la tasa general de convergencia a través de la búsqueda fina de agregación de grupos; la Sra. se mueve aleatoriamente hacia la periferia de la población, mejorando la capacidad de saltar fuera de los óptimos locales. Con el fin de verificar la capacidad de optimización de MBWO, este artículo realizó pruebas exhaustivas en MBWO utilizando 23 funciones de referencia, IEEE CEC2014 e IEEE CEC2021. Los resultados experimentales indican que MBWO tiene una gran capacidad de optimización. Este documento también prueba la capacidad de MBWO para resolver problemas prácticos de optimización de ingeniería a través de cinco problemas prácticos de ingeniería. Los resultados finales demuestran la efectividad de MBWO para resolver problemas prácticos de optimización de ingeniería.Files
qwad089.pdf.pdf
Files
(93 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:b0d506893d4802090edf1644f5f082cd
|
93 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحسين الحوت الأبيض المعدل مع استراتيجيات متعددة لحل المشاكل الهندسية
- Translated title (French)
- Optimisation modifiée du béluga avec multi-stratégies pour résoudre les problèmes d'ingénierie
- Translated title (Spanish)
- Optimización modificada de la ballena beluga con estrategias múltiples para resolver problemas de ingeniería
Identifiers
- Other
- https://openalex.org/W4387363028
- DOI
- 10.1093/jcde/qwad089
References
- https://openalex.org/W1576660662
- https://openalex.org/W1993885071
- https://openalex.org/W1999284878
- https://openalex.org/W2031183907
- https://openalex.org/W2033011996
- https://openalex.org/W2042253843
- https://openalex.org/W2056811412
- https://openalex.org/W2061438946
- https://openalex.org/W2072955302
- https://openalex.org/W2143560894
- https://openalex.org/W2151554678
- https://openalex.org/W2168081761
- https://openalex.org/W2232317135
- https://openalex.org/W2290883490
- https://openalex.org/W2345208410
- https://openalex.org/W2517600007
- https://openalex.org/W2606276573
- https://openalex.org/W2617638177
- https://openalex.org/W2738900493
- https://openalex.org/W2793942929
- https://openalex.org/W2902421512
- https://openalex.org/W2919979744
- https://openalex.org/W2990388469
- https://openalex.org/W3003212905
- https://openalex.org/W3011104345
- https://openalex.org/W3012058698
- https://openalex.org/W3014974411
- https://openalex.org/W3088041907
- https://openalex.org/W3119051141
- https://openalex.org/W3134651880
- https://openalex.org/W3139484821
- https://openalex.org/W3154719286
- https://openalex.org/W3167375140
- https://openalex.org/W3188854349
- https://openalex.org/W3190941935
- https://openalex.org/W3212797097
- https://openalex.org/W341879454
- https://openalex.org/W4206081481
- https://openalex.org/W4212993228
- https://openalex.org/W4213282270
- https://openalex.org/W4223633975
- https://openalex.org/W4237913093
- https://openalex.org/W4238076109
- https://openalex.org/W4250503569
- https://openalex.org/W4253529704
- https://openalex.org/W4281687867
- https://openalex.org/W4304806451
- https://openalex.org/W4310073244
- https://openalex.org/W4313705386
- https://openalex.org/W4318486548
- https://openalex.org/W4319335071
- https://openalex.org/W4320487090
- https://openalex.org/W4379184372
- https://openalex.org/W4380086480
- https://openalex.org/W4386391043