评论文章

蜻蜓算法及其在应用科学应用的调查

表6

在各种应用程序中使用DA的目的和它的结果。

参考 目的 结果

(37] 汇业银行帮助在寻找最优参数集(内核参数和惩罚因子)凯尔姆经常和最优特征子集的特征同时候选人 汇业银行显示它的优越性的搜索技术寻找一组最优参数和最优特征子集

(40] 多级彩色眼底图像的分割 使用DA作为优化算法对彩色图像分割产生更好的结果

(41] 在医学图像的水印技术,DA利用选择有效像素 使用DA的相关系数值都大于其他技术,如算法,遗传算法和随机选择

(42] 探索像素的像素的图像,发现包含重要的信息对象(DA用作检测模型) DA能作为有效和快速的从图像中提取对象

(43] DA作为支持向量机的参数优化;此外,解决方案和几代人的数量的影响产生结果的准确性和计算时间了 结果表明,提出的分类错误率低于工作,在PSO +支持向量机和遗传算法+ SVM,和这样做的原因是,DA参数可以改变迭代;此外,结果表明,增加解决方案的数量或代减少误分类率,增加计算时间

(47] 新的更新机制和精英主义被添加到二进制蜻蜓算法;改进的技术被用来分类不同的信号类型的婴儿哭,它被用来克服维数问题,选择最重要的特征 指出,改进技术减少错误率的百分比与原始二进制蜻蜓算法

(48] DA-based人工神经网络技术用于预测在印度主要的燃料需求 该模型使用DA提供更准确的结果比较现有的回归模型

(49] BDA Binary-BDA multi-BDA,整体上优于用于波长选择 使用binary-BDA引起不稳定;然而,稳定得益于使用multi-BDA和总体上优于汇业银行;此外,总体上优于BDA的计算复杂度低于multi-BDA

(50] 基于代替梯度技术,DA用于IIR滤波器设计 使用DA阻止捕获到当地的最适条件和系数接近实际价值进行评估,和最小均方值被发现;此外,DA的优越性是证明算法比较,方案,英航前面提到的问题

(51] Dragonfly-based聚类算法被用来关注互联网的可伸缩性的车辆 拟议的技术比较全面的学习算法和蚁群优化算法;结果证明,在高密度和介质密度检测技术显示更好的和平均性能,分别;然而,在低密度,拟议的技术性能不好而全面的学习算法表现良好

(52] 蜻蜓算法用于预测随机部署的节点的位置在一个指定区域;也被用于本地化不同噪声百分比的距离测量(Pn) 基于范围定位不同Pn,蜻蜓可以产生更少的错误与PSO相比;此外,增加Pn造成真正的和近似节点之间的距离的增加DA和算法

(53] 达被用来放大射频识别网络的生命周期 通过选择集群破损降低集群头也有类似的流动性,但剩下的能量高;减少减少能源消耗;因此,与现有技术相比,提高了效率

(54] 达两个选择概率被用作新大声平衡技术(FDLA);新技术被用来保持稳定的处理多个任务在云环境中 拟议的技术提供了最低负荷分配少数量的任务

(57] 达是用来检查分布式发电的最优规模和位置在径向分布系统减少网络中的功率损耗 与DA和WOA相比,MFO表现更好和聚合

(59] 案件分配问题,司法系统高度依赖时间的能力和效率的操作案件;采用DA找到分配问题的最优解 DA能显示优越的结果与英足总

(60] 达被用来优化最佳的电容器坐在不同的径向分布系统(rds);本研究的主要目的是减少功率损耗和电压概要增强总成本 结果证明DA-based优化提供了比较结果与拥有,MFO-based优化方法的一个小的迭代次数和收敛时间;然而,它提供了更好的结果比PSO-based技术