Published September 12, 2023 | Version v1
Publication Open

An Improved Golden Jackal Optimization Algorithm Using Opposition-Based Learning for Global Optimization and Engineering Problems

Creators

  • 1. Vellore Institute of Technology University

Description

Abstract Golden Jackal Optimization (GJO) is a recently developed nature-inspired algorithm that is motivated by the collaborative hunting behaviours of the golden jackals in nature. However, the GJO has the disadvantage of poor exploitation ability and is easy to get stuck in an optimal local region. To overcome these disadvantages, in this paper, an enhanced variant of the golden jackal optimization algorithm that incorporates the opposition-based learning (OBL) technique (OGJO) is proposed. The OBL technique is implemented into GJO with a probability rate, which can assist the algorithm in escaping from the local optima. To validate the efficiency of OGJO, several experiments have been performed. The experimental outcomes revealed that the proposed OGJO has more efficiency than GJO and other compared algorithms.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

Abstract Golden Jackal Optimization (GJO) هي خوارزمية مستوحاة من الطبيعة تم تطويرها مؤخرًا وتحفزها سلوكيات الصيد التعاونية لابن آوى الذهبي في الطبيعة. ومع ذلك، فإن GJO لديها عيب في ضعف القدرة على الاستغلال ومن السهل أن تتعثر في منطقة محلية مثالية. للتغلب على هذه العيوب، في هذه الورقة، يُقترح بديل محسن لخوارزمية تحسين ابن آوى الذهبية التي تتضمن تقنية التعلم القائم على المعارضة (OBL) (OGJO). يتم تنفيذ تقنية OBL في GJO بمعدل احتمالية، والتي يمكن أن تساعد الخوارزمية في الهروب من الأمثل المحلي. للتحقق من كفاءة OGJO، تم إجراء العديد من التجارب. كشفت النتائج التجريبية أن OGJO المقترحة تتمتع بكفاءة أكبر من GJO وغيرها من الخوارزميات المقارنة.

Translated Description (French)

L'optimisation abstraite du chacal doré (GJO) est un algorithme inspiré de la nature récemment développé qui est motivé par les comportements de chasse collaboratifs du chacal doré dans la nature. Cependant, le GJO présente l'inconvénient d'une faible capacité d'exploitation et il est facile de rester coincé dans une région locale optimale. Pour surmonter ces inconvénients, dans cet article, une variante améliorée de l'algorithme d'optimisation du chacal doré qui intègre la technique d'apprentissage basé sur l'opposition (OBL) (OGJO) est proposée. La technique OBL est mise en œuvre dans GJO avec un taux de probabilité, ce qui peut aider l'algorithme à s'échapper de l'optima local. Pour valider l'efficacité d'OGJO, plusieurs expériences ont été réalisées. Les résultats expérimentaux ont révélé que l'OGJO proposé a plus d'efficacité que GJO et d'autres algorithmes comparés.

Translated Description (Spanish)

Resumen Golden Jackal Optimization (GJO) es un algoritmo inspirado en la naturaleza desarrollado recientemente que está motivado por los comportamientos de caza colaborativa de los chacales dorados en la naturaleza. Sin embargo, el GJO tiene la desventaja de una capacidad de explotación deficiente y es fácil quedar atrapado en una región local óptima. Para superar estas desventajas, en este trabajo se propone una variante mejorada del algoritmo de optimización del chacal dorado que incorpora la técnica de aprendizaje basado en la oposición (OBL) (OGJO). La técnica OBL se implementa en GJO con una tasa de probabilidad, que puede ayudar al algoritmo a escapar de los óptimos locales. Para validar la eficiencia de OGJO, se han realizado varios experimentos. Los resultados experimentales revelaron que el OGJO propuesto tiene más eficiencia que el GJO y otros algoritmos comparados.

Files

s44196-023-00320-8.pdf.pdf

Files (3.9 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:e8f44e5792d79e265d1a62d4e9ac0e54
3.9 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
خوارزمية محسنة لتحسين الثعلب الذهبي باستخدام التعلم القائم على المعارضة للتحسين العالمي والمشاكل الهندسية
Translated title (French)
Un algorithme d'optimisation Golden Jackal amélioré utilisant l'apprentissage basé sur l'opposition pour l'optimisation globale et les problèmes d'ingénierie
Translated title (Spanish)
Un algoritmo de optimización mejorado de Golden Jackal que utiliza el aprendizaje basado en la oposición para la optimización global y los problemas de ingeniería

Identifiers

Other
https://openalex.org/W4386636688
DOI
10.1007/s44196-023-00320-8

Is supplement to
https://openalex.org/W4389567119 (Other)
https://openalex.org/W4386636688 (Other)
https://openalex.org/W4322154482 (Other)
https://openalex.org/W4318830289 (Other)
https://openalex.org/W3092611208 (Other)
https://openalex.org/W2290220498 (Other)
https://openalex.org/W2132568206 (Other)
https://openalex.org/W2095791909 (Other)
https://openalex.org/W185257889 (Other)
https://openalex.org/W130638172 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
India

References

  • https://openalex.org/W1481655810
  • https://openalex.org/W1659842140
  • https://openalex.org/W1970077770
  • https://openalex.org/W1976744965
  • https://openalex.org/W1981689130
  • https://openalex.org/W1999284878
  • https://openalex.org/W2023144546
  • https://openalex.org/W2031183907
  • https://openalex.org/W2041016886
  • https://openalex.org/W2056811412
  • https://openalex.org/W2061438946
  • https://openalex.org/W2069083252
  • https://openalex.org/W2072955302
  • https://openalex.org/W2086622126
  • https://openalex.org/W2093274591
  • https://openalex.org/W2093646596
  • https://openalex.org/W2100707489
  • https://openalex.org/W2114652055
  • https://openalex.org/W2125530677
  • https://openalex.org/W2151554678
  • https://openalex.org/W2154943049
  • https://openalex.org/W2232317135
  • https://openalex.org/W2290883490
  • https://openalex.org/W2464585100
  • https://openalex.org/W2528180509
  • https://openalex.org/W2605396865
  • https://openalex.org/W2612473079
  • https://openalex.org/W2620983293
  • https://openalex.org/W2626371998
  • https://openalex.org/W2738900493
  • https://openalex.org/W2745838971
  • https://openalex.org/W2899006187
  • https://openalex.org/W2903709878
  • https://openalex.org/W2905366447
  • https://openalex.org/W2909846570
  • https://openalex.org/W2941504068
  • https://openalex.org/W2976525124
  • https://openalex.org/W2985845430
  • https://openalex.org/W2988529604
  • https://openalex.org/W2989005637
  • https://openalex.org/W3007907254
  • https://openalex.org/W3008942622
  • https://openalex.org/W3036044602
  • https://openalex.org/W3047738726
  • https://openalex.org/W3118607127
  • https://openalex.org/W3120051244
  • https://openalex.org/W3127197897
  • https://openalex.org/W3132135633
  • https://openalex.org/W3138644639
  • https://openalex.org/W3139484821
  • https://openalex.org/W3168104563
  • https://openalex.org/W3175673753
  • https://openalex.org/W3216454943
  • https://openalex.org/W4205096832
  • https://openalex.org/W4224258320
  • https://openalex.org/W4282938250
  • https://openalex.org/W4285029663
  • https://openalex.org/W4293154685
  • https://openalex.org/W4294306435
  • https://openalex.org/W4294306581
  • https://openalex.org/W4295409151
  • https://openalex.org/W4361273809
  • https://openalex.org/W4379379411
  • https://openalex.org/W4381618600
  • https://openalex.org/W883434633