表面算法是一套新颖的解决问题的方法和途径,为他们的良好的性能正吸引越来越多的关注。代表自然算法的例子包括人工神经网络(ANN),模糊系统(FS),进化计算(EC),和群体智慧(SI),它们被应用于解决许多现实问题。尽管表面算法的流行,许多挑战仍然需要进一步的研究工作。

的贡献提出了特殊的问题包括一些表面算法的最新进展,如遗传算法、粒子群算法、蚁群优化,候鸟优化神经网络,引力搜索算法,他们的应用程序。几个实际优化问题已经研究了几个产品表面算法。

k . g .荷兰国际集团(Ing)在人目前的应用引力搜索算法(GSA)在确定最优的日常配置基于太阳能光伏发电的分销网络和系统加载。配电网络重构问题是制定作为一个最小化问题,以减少功率损耗的分布。实验结果表明,GSA选择方法是一个简单而有效的技术来减少每日总功率损耗。

大肠Lalla-Ruiz等人研究的工作改进的候鸟优化(MBO)方法求解两个海滨的问题,即动态泊位分配问题(DBAP)和码头起重机调度问题(QCSP)。MBO的方法可以解决这两个问题与高质量的解决方案与一个小短的计算成本,使得这种技术竞争的方法经常海滨操作执行单独或嵌入到真正的决策支持系统。

i g·伊达尔戈等人的论文将遗传算法(GA)和强度帕累托进化算法(说)和蚁群优化(ACO)处理短期调度问题。问题是提出了两种混合的方法解决的两个阶段。在两个水电站的实验结果显示,两种方法产生良好的性能在短期内最优动态调度操作的水电站。

美国德米雷尔等人关注超宽频的优化设计低噪声放大器(LNA) (UWB)基于支持向量回归机(SVRM)微带线模型。粒子群优化(PSO)算法在求解过程采用了两个参数导致性能良好的准确性和快速收敛性。

f . Kamaruzaman等人提出了符合检测(CD)分类器有两个基于强化学习方法神经网络(SNN)。该方法可以生成一个输出峰值模式从输入一对相同的离散峰值响应模型(SRM)显著降低浮动操作和处理时间快得多。

论文包含在这个特殊的问题是高质量的,希望做出有用的贡献自然算法的研究领域。