ఇండెక్స్ చేయబడింది
  • జెనామిక్స్ జర్నల్‌సీక్
  • RefSeek
  • హమ్దార్డ్ విశ్వవిద్యాలయం
  • EBSCO AZ
  • OCLC- వరల్డ్ క్యాట్
  • పబ్లోన్స్
  • యూరో పబ్
  • గూగుల్ స్కాలర్
ఈ పేజీని భాగస్వామ్యం చేయండి
జర్నల్ ఫ్లైయర్
Flyer image

నైరూప్య

నిర్ణయాత్మక ఆప్టిమైజేషన్ కోసం సమర్థవంతమైన యాంట్ కాలనీ ఆప్టిమైజేషన్ (EACO) అల్గోరిథం

ఊర్మిళ ఎమ్ దివేకర్* మరియు బెర్హానే హెచ్ గెబ్రెస్లాస్సీ

ఈ కాగితంలో, కాంబినేటోరియల్, నిరంతర మరియు మిశ్రమ-వేరియబుల్ ఆప్టిమైజేషన్ సమస్యలను పరిష్కరించడానికి సమర్థవంతమైన నమూనా పద్ధతి ఆధారంగా సమర్థవంతమైన యాంట్ కాలనీ ఆప్టిమైజేషన్ (EACO) అల్గోరిథం ప్రతిపాదించబడింది. EACO అల్గారిథమ్‌లో, సొల్యూషన్ ఆర్కైవ్‌ను ప్రారంభించేందుకు మరియు మల్టీడైమెన్షనల్ యాదృచ్ఛిక సంఖ్యలను రూపొందించడానికి హామర్స్లీ సీక్వెన్స్ శాంప్లింగ్ (HSS) పరిచయం చేయబడింది. ప్రతిపాదిత అల్గోరిథం యొక్క సామర్థ్యాలు 9 బెంచ్‌మార్క్ సమస్యల ద్వారా వివరించబడ్డాయి. EACO అల్గారిథమ్ మరియు సాంప్రదాయ ACO అల్గారిథమ్ నుండి బెంచ్‌మార్క్ సమస్యల ఫలితాలు పోల్చబడ్డాయి. EACO నుండి 99% కంటే ఎక్కువ ఫలితాలు సామర్థ్య మెరుగుదలని చూపుతాయి మరియు గణన సామర్థ్యం మెరుగుదల పరిధి 3% నుండి 71% వరకు ఉంది. అందువల్ల, ఈ కొత్త అల్గోరిథం పెద్ద-స్థాయి మరియు విస్తృత శ్రేణి ఆప్టిమైజేషన్ సమస్యలకు ఉపయోగకరమైన సాధనంగా ఉంటుంది. అంతేకాకుండా, కాంబినేటోరియల్ సమస్యల కోసం చీమల అల్గారిథమ్‌ల యొక్క ఐదు వేరియంట్‌లను ఉపయోగించి EACO యొక్క పనితీరు కూడా పరీక్షించబడుతుంది.

నిరాకరణ: ఈ సారాంశం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టూల్