Published January 1, 2020
| Version v1
Publication
Open
An Enhanced Firefly Algorithm Using Pattern Search for Solving Optimization Problems
Creators
- 1. University of Haripur
- 2. University of Lahore
- 3. Ajman University
- 4. Tun Hussein Onn University of Malaysia
- 5. Universiti Sains Malaysia
- 6. University of Bergamo
- 7. Quaid-i-Azam University
- 8. COMSATS University Islamabad
Description
Firefly Algorithm (FA) is one of the most recently introduced stochastic, nature-inspired, meta-heuristic approaches used for solving optimization problems. The conventional FA use randomization factor during generation of solution search space and fireflies position changing, which results in imbalanced relationship between exploration and exploitation. This imbalanced relationship causes in incapability of FA to find the most optimum values at termination stage. In the proposed model, this issue has been resolved by incorporating PS at the termination stage of standard FA. The optimized values obtained from the FA are set as the initial starting points for the PS algorithm and the values are further optimized by PS to get the most optimal values or at least better values than the values obtained by conventional FA during its maximum number of iterations. The performance of the newly developed FA-PS model has been tested on eight minimization functions and six maximization functions by considering various performance evaluation parameters. The results obtained have been compared with other optimization algorithms namely genetic algorithm (GA), standard FA, artificial bee colony (ABC), ant colony optimization (ACO), differential equations (DE), bat algorithm (BA), grey wolf optimization (GWO), Self-Adaptive Step Firefly Algorithm (SASFA), and FA-Cross algorithm in terms of convergence rate and various numerical performance evaluation parameters. A significant improvement has been observed in the solution quality by embedding PS in the standard FA at the termination stage. The result behind this improvement is the better exploration and exploitation of the solution search space at this stage.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تعد خوارزمية Firefly (FA) واحدة من أحدث الأساليب العشوائية المستوحاة من الطبيعة والتي تستخدم لحل مشكلات التحسين. تستخدم FA التقليدية عامل التوزيع العشوائي أثناء توليد مساحة البحث عن الحلول وتغيير موضع اليراعات، مما يؤدي إلى علاقة غير متوازنة بين الاستكشاف والاستغلال. تتسبب هذه العلاقة غير المتوازنة في عدم قدرة FA على العثور على القيم المثلى في مرحلة الإنهاء. في النموذج المقترح، تم حل هذه المشكلة من خلال دمج PS في مرحلة الإنهاء من FA القياسي. يتم تعيين القيم المحسنة التي تم الحصول عليها من FA كنقاط انطلاق أولية لخوارزمية PS ويتم تحسين القيم بشكل أكبر بواسطة PS للحصول على القيم المثلى أو على الأقل قيم أفضل من القيم التي تم الحصول عليها بواسطة FA التقليدية خلال الحد الأقصى لعدد التكرارات. تم اختبار أداء نموذج FA - PS المطور حديثًا على ثماني وظائف تقليل وست وظائف تعظيم من خلال النظر في معايير تقييم الأداء المختلفة. تمت مقارنة النتائج التي تم الحصول عليها مع خوارزميات التحسين الأخرى وهي الخوارزمية الجينية (GA)، FA القياسية، مستعمرة النحل الاصطناعي (ABC)، تحسين مستعمرة النمل (ACO)، المعادلات التفاضلية (DE)، خوارزمية الخفافيش (BA)، تحسين الذئب الرمادي (GWO)، خوارزمية اليراع خطوة التكيف الذاتي (SASFA)، وخوارزمية FA - Cross من حيث معدل التقارب ومعايير تقييم الأداء العددي المختلفة. لوحظ تحسن كبير في جودة الحل من خلال تضمين PS في FA القياسي في مرحلة الإنهاء. والنتيجة وراء هذا التحسين هي استكشاف مساحة البحث عن الحلول واستغلالها بشكل أفضل في هذه المرحلة.Translated Description (French)
Firefly Algorithm (FA) est l'une des approches stochastiques, inspirées de la nature et méta-heuristiques les plus récemment introduites, utilisées pour résoudre les problèmes d'optimisation. La FA conventionnelle utilise le facteur de randomisation lors de la génération de l'espace de recherche de solution et le changement de position des lucioles, ce qui entraîne une relation déséquilibrée entre l'exploration et l'exploitation. Cette relation déséquilibrée entraîne une incapacité de l'AF à trouver les valeurs les plus optimales au stade de la résiliation. Dans le modèle proposé, ce problème a été résolu en incorporant PS à l'étape de terminaison de la FA standard. Les valeurs optimisées obtenues à partir du FA sont définies comme les points de départ initiaux pour l'algorithme PS et les valeurs sont optimisées davantage par PS pour obtenir les valeurs les plus optimales ou au moins de meilleures valeurs que les valeurs obtenues par le FA conventionnel pendant son nombre maximum d'itérations. La performance du modèle FA-PS nouvellement développé a été testée sur huit fonctions de minimisation et six fonctions de maximisation en tenant compte de divers paramètres d'évaluation de la performance. Les résultats obtenus ont été comparés à d'autres algorithmes d'optimisation à savoir l'algorithme génétique (GA), l'AF standard, la colonie d'abeilles artificielles (ABC), l'optimisation des colonies de fourmis (ACO), les équations différentielles (DE), l'algorithme bat (BA), l'optimisation du loup gris (GWO), l'algorithme de Firefly à pas auto-adaptatif (SASFA) et l'algorithme FA-Cross en termes de taux de convergence et de divers paramètres d'évaluation des performances numériques. Une amélioration significative a été observée dans la qualité de la solution en intégrant le PS dans le FA standard au stade de la terminaison. Le résultat derrière cette amélioration est une meilleure exploration et exploitation de l'espace de recherche de solutions à ce stade.Translated Description (Spanish)
El algoritmo Firefly (FA) es uno de los enfoques estocásticos, inspirados en la naturaleza y metaheurísticos más recientes utilizados para resolver problemas de optimización. El FA convencional utiliza el factor de aleatorización durante la generación del espacio de búsqueda de soluciones y el cambio de posición de las luciérnagas, lo que resulta en una relación desequilibrada entre la exploración y la explotación. Esta relación desequilibrada provoca la incapacidad de AF para encontrar los valores más óptimos en la etapa de terminación. En el modelo propuesto, este problema se ha resuelto incorporando PS en la etapa de terminación de la FA estándar. Los valores optimizados obtenidos del FA se establecen como los puntos de partida iniciales para el algoritmo PS y los valores se optimizan aún más por PS para obtener los valores más óptimos o al menos mejores que los valores obtenidos por FA convencional durante su número máximo de iteraciones. El rendimiento del modelo FA-PS recientemente desarrollado se ha probado en ocho funciones de minimización y seis funciones de maximización al considerar varios parámetros de evaluación del rendimiento. Los resultados obtenidos se han comparado con otros algoritmos de optimización, a saber, el algoritmo genético (GA), el FA estándar, la colonia de abejas artificiales (ABC), la optimización de colonias de hormigas (ACO), las ecuaciones diferenciales (DE), el algoritmo Bat (BA), la optimización del lobo gris (GWO), el algoritmo autoadaptativo Step Firefly (SASFA) y el algoritmo FA-Cross en términos de tasa de convergencia y diversos parámetros numéricos de evaluación del rendimiento. Se ha observado una mejora significativa en la calidad de la solución al incorporar PS en el FA estándar en la etapa de terminación. El resultado detrás de esta mejora es la mejor exploración y explotación del espacio de búsqueda de soluciones en esta etapa.Files
09163099.pdf.pdf
Files
(245 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:2abe00b8da29302d4d5e2575c6be6206
|
245 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- خوارزمية فايرفلاي محسنة باستخدام البحث عن الأنماط لحل مشاكل التحسين
- Translated title (French)
- Un algorithme Firefly amélioré utilisant la recherche de modèles pour résoudre les problèmes d'optimisation
- Translated title (Spanish)
- Un algoritmo de Firefly mejorado que utiliza la búsqueda de patrones para resolver problemas de optimización
Identifiers
- Other
- https://openalex.org/W3048904600
- DOI
- 10.1109/access.2020.3015206
References
- https://openalex.org/W1141949320
- https://openalex.org/W1608299094
- https://openalex.org/W1817667747
- https://openalex.org/W1955291487
- https://openalex.org/W1966573329
- https://openalex.org/W1978057374
- https://openalex.org/W1987392793
- https://openalex.org/W1999445878
- https://openalex.org/W2001979953
- https://openalex.org/W2003890325
- https://openalex.org/W2031061930
- https://openalex.org/W2061438946
- https://openalex.org/W2078551005
- https://openalex.org/W2093209484
- https://openalex.org/W2146879413
- https://openalex.org/W2290883490
- https://openalex.org/W2300355938
- https://openalex.org/W2327766067
- https://openalex.org/W2467694619
- https://openalex.org/W2472174378
- https://openalex.org/W2517600007
- https://openalex.org/W252596131
- https://openalex.org/W2541451878
- https://openalex.org/W2547937424
- https://openalex.org/W2553852618
- https://openalex.org/W2560526649
- https://openalex.org/W2576324142
- https://openalex.org/W2585632407
- https://openalex.org/W2593487812
- https://openalex.org/W2707074415
- https://openalex.org/W2734387874
- https://openalex.org/W2734693534
- https://openalex.org/W2743429087
- https://openalex.org/W2746353786
- https://openalex.org/W2746399491
- https://openalex.org/W2762813058
- https://openalex.org/W2764088617
- https://openalex.org/W2764656334
- https://openalex.org/W2765090334
- https://openalex.org/W2765888357
- https://openalex.org/W2768894717
- https://openalex.org/W2777482433
- https://openalex.org/W2780481318
- https://openalex.org/W2782916326
- https://openalex.org/W2783137486
- https://openalex.org/W2786145666
- https://openalex.org/W2795541425
- https://openalex.org/W2808113160
- https://openalex.org/W2810232415
- https://openalex.org/W2892369032
- https://openalex.org/W2919979744
- https://openalex.org/W2929866007
- https://openalex.org/W2962182762
- https://openalex.org/W2963433607
- https://openalex.org/W2963565222
- https://openalex.org/W2971025327
- https://openalex.org/W2972336423
- https://openalex.org/W2985845430
- https://openalex.org/W2988715920
- https://openalex.org/W3013910312
- https://openalex.org/W3014974411
- https://openalex.org/W3035439169
- https://openalex.org/W3105346980
- https://openalex.org/W4238961266
- https://openalex.org/W4289127527