Published January 1, 2023
| Version v1
Publication
An improved multi-strategy beluga whale optimization for global optimization problems
Creators
- 1. Sanming University
- 2. Universiti Sains Malaysia
- 3. Al al-Bayt University
- 4. Al-Ahliyya Amman University
- 5. Yuan Ze University
- 6. Applied Science Private University
- 7. Middle East University
Description
This paper presents an improved beluga whale optimization (IBWO) algorithm, which is mainly used to solve global optimization problems and engineering problems. This improvement is proposed to solve the imbalance between exploration and exploitation and to solve the problem of insufficient convergence accuracy and speed of beluga whale optimization (BWO). In IBWO, we use a new group action strategy (GAS), which replaces the exploration phase in BWO. It was inspired by the group hunting behavior of beluga whales in nature. The GAS keeps individual belugas whales together, allowing them to hide together from the threat posed by their natural enemy, the tiger shark. It also enables the exchange of location information between individual belugas whales to enhance the balance between local and global lookups. On this basis, the dynamic pinhole imaging strategy (DPIS) and quadratic interpolation strategy (QIS) are added to improve the global optimization ability and search rate of IBWO and maintain diversity. In a comparison experiment, the performance of the optimization algorithm (IBWO) was tested by using CEC2017 and CEC2020 benchmark functions of different dimensions. Performance was analyzed by observing experimental data, convergence curves, and box graphs, and the results were tested using the Wilcoxon rank sum test. The results show that IBWO has good optimization performance and robustness. Finally, the applicability of IBWO to practical engineering problems is verified by five engineering problems.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تقدم هذه الورقة خوارزمية محسنة لتحسين أداء الحيتان البيضاء (IBWO)، والتي تستخدم بشكل أساسي لحل مشاكل التحسين العالمية والمشاكل الهندسية. يُقترح هذا التحسين لحل الخلل بين الاستكشاف والاستغلال وحل مشكلة عدم كفاية دقة التقارب وسرعة تحسين الحوت الأبيض (BWO). في IBWO، نستخدم استراتيجية عمل جماعية جديدة (GAS)، والتي تحل محل مرحلة الاستكشاف في BWO. كان مستوحى من سلوك الصيد الجماعي لحيتان البيلوغا في الطبيعة. يحافظ الغاز على الحيتان البيضاء الفردية معًا، مما يسمح لها بالاختباء معًا من التهديد الذي يشكله عدوها الطبيعي، قرش النمر. كما أنه يتيح تبادل معلومات الموقع بين الحيتان البيضاء الفردية لتعزيز التوازن بين عمليات البحث المحلية والعالمية. على هذا الأساس، تتم إضافة استراتيجية التصوير الديناميكي للثقب (DPIS) واستراتيجية الاستيفاء التربيعي (QIS) لتحسين قدرة التحسين العالمية ومعدل البحث في IBWO والحفاظ على التنوع. في تجربة مقارنة، تم اختبار أداء خوارزمية التحسين (IBWO) باستخدام الدوال المعيارية CEC2017 و CEC2020 بأبعاد مختلفة. تم تحليل الأداء من خلال مراقبة البيانات التجريبية ومنحنيات التقارب والرسوم البيانية المربعية، وتم اختبار النتائج باستخدام اختبار مجموع ترتيب ويلكوكسون. تظهر النتائج أن IBWO لديها أداء تحسين جيد وقوة. أخيرًا، يتم التحقق من قابلية تطبيق IBWO على المشكلات الهندسية العملية من خلال خمس مشكلات هندسية.Translated Description (French)
Cet article présente un algorithme amélioré d'optimisation des bélugas (IBWO), qui est principalement utilisé pour résoudre des problèmes d'optimisation globale et des problèmes d'ingénierie. Cette amélioration est proposée pour résoudre le déséquilibre entre l'exploration et l'exploitation et pour résoudre le problème de la précision et de la vitesse insuffisantes de convergence de l'optimisation des bélugas (BWO). Dans IBWO, nous utilisons une nouvelle stratégie d'action de groupe (GAS), qui remplace la phase d'exploration dans BWO. Il a été inspiré par le comportement de chasse de groupe des bélugas dans la nature. Le GAZ maintient les bélugas individuels ensemble, leur permettant de se cacher ensemble de la menace posée par leur ennemi naturel, le requin tigre. Il permet également l'échange d'informations de localisation entre les bélugas individuels pour améliorer l'équilibre entre les recherches locales et mondiales. Sur cette base, la stratégie d'imagerie sténopéique dynamique (DPI) et la stratégie d'interpolation quadratique (QIS) sont ajoutées pour améliorer la capacité d'optimisation globale et le taux de recherche de l'IBWO et maintenir la diversité. Dans une expérience de comparaison, la performance de l'algorithme d'optimisation (IBWO) a été testée en utilisant des fonctions de référence CEC2017 et CEC2020 de différentes dimensions. La performance a été analysée en observant les données expérimentales, les courbes de convergence et les graphiques en encadré, et les résultats ont été testés à l'aide du test de somme de rang Wilcoxon. Les résultats montrent que l'IBWO a de bonnes performances d'optimisation et de robustesse. Enfin, l'applicabilité de l'IBWO aux problèmes d'ingénierie pratiques est vérifiée par cinq problèmes d'ingénierie.Translated Description (Spanish)
Este artículo presenta un algoritmo mejorado de optimización de ballenas beluga (IBWO), que se utiliza principalmente para resolver problemas de optimización global y problemas de ingeniería. Esta mejora se propone para resolver el desequilibrio entre la exploración y la explotación y para resolver el problema de la insuficiente precisión de convergencia y la velocidad de la optimización de la ballena beluga (BWO). En IBWO, utilizamos una nueva estrategia de acción grupal (GAS), que reemplaza la fase de exploración en BWO. Se inspiró en el comportamiento de caza en grupo de las ballenas beluga en la naturaleza. El GAS mantiene unidas a las ballenas belugas individuales, lo que les permite esconderse juntas de la amenaza que representa su enemigo natural, el tiburón tigre. También permite el intercambio de información de ubicación entre ballenas belugas individuales para mejorar el equilibrio entre las búsquedas locales y globales. Sobre esta base, se agregan la estrategia dinámica de imágenes estenopeicas (DPI) y la estrategia de interpolación cuadrática (QIS) para mejorar la capacidad de optimización global y la tasa de búsqueda de IBWO y mantener la diversidad. En un experimento de comparación, se probó el rendimiento del algoritmo de optimización (IBWO) utilizando funciones de referencia CEC2017 y CEC2020 de diferentes dimensiones. El rendimiento se analizó observando datos experimentales, curvas de convergencia y gráficos de caja, y los resultados se probaron utilizando la prueba de suma de rangos de Wilcoxon. Los resultados muestran que IBWO tiene un buen rendimiento de optimización y robustez. Finalmente, la aplicabilidad de IBWO a problemas prácticos de ingeniería se verifica mediante cinco problemas de ingeniería.Additional details
Additional titles
- Translated title (Arabic)
- تحسين تحسين الحوت الأبيض متعدد الاستراتيجيات لمشاكل التحسين العالمية
- Translated title (French)
- Une optimisation multi-stratégie améliorée du béluga pour des problèmes d'optimisation globaux
- Translated title (Spanish)
- Una optimización mejorada de la ballena beluga multiestrategia para problemas de optimización global
Identifiers
- Other
- https://openalex.org/W4380086480
- DOI
- 10.3934/mbe.2023592
References
- https://openalex.org/W1424196965
- https://openalex.org/W1576660662
- https://openalex.org/W1594046642
- https://openalex.org/W1984130668
- https://openalex.org/W1993885071
- https://openalex.org/W1997600725
- https://openalex.org/W1999284878
- https://openalex.org/W2003890325
- https://openalex.org/W2031183907
- https://openalex.org/W2033011996
- https://openalex.org/W2041629655
- https://openalex.org/W2056811412
- https://openalex.org/W2061438946
- https://openalex.org/W2072955302
- https://openalex.org/W2096026309
- https://openalex.org/W2096673585
- https://openalex.org/W2125281549
- https://openalex.org/W2151554678
- https://openalex.org/W2168081761
- https://openalex.org/W2232317135
- https://openalex.org/W2289113812
- https://openalex.org/W2290883490
- https://openalex.org/W2410374249
- https://openalex.org/W2604154597
- https://openalex.org/W2727612717
- https://openalex.org/W2793942929
- https://openalex.org/W2919979744
- https://openalex.org/W2954876896
- https://openalex.org/W2967561222
- https://openalex.org/W3003212905
- https://openalex.org/W3009947049
- https://openalex.org/W3014394630
- https://openalex.org/W3087652231
- https://openalex.org/W3088041907
- https://openalex.org/W3109394435
- https://openalex.org/W3119051141
- https://openalex.org/W3127197897
- https://openalex.org/W3132278423
- https://openalex.org/W3155707014
- https://openalex.org/W3188854349
- https://openalex.org/W3207931094
- https://openalex.org/W3209813920
- https://openalex.org/W3212797097
- https://openalex.org/W4200359834
- https://openalex.org/W4210401277
- https://openalex.org/W4223633975
- https://openalex.org/W4230167402
- https://openalex.org/W4238076109
- https://openalex.org/W4246565613
- https://openalex.org/W4250503569
- https://openalex.org/W4253529704
- https://openalex.org/W4280610173
- https://openalex.org/W4281673226
- https://openalex.org/W4281687867
- https://openalex.org/W4283381072
- https://openalex.org/W4283587680
- https://openalex.org/W4285492978
- https://openalex.org/W4292083457
- https://openalex.org/W4303856673
- https://openalex.org/W4309482388
- https://openalex.org/W4309786545
- https://openalex.org/W4313458720
- https://openalex.org/W883434633