|
| 美国没有。 |
算法 |
优势 |
缺点 |
讲话 |
|
| 1。 |
模拟退火(SA) |
(我)容易实现24]
(2)在适当的条件下收敛 |
(我)SA性能低于GA (210年]
(2)SA算法不如选择优化算法如遗传算法、算法,TLBO [24]
(3)收敛速度慢28]
(iv)股价不适合在一些工作温度和辐照度值(28] |
虽然SA是sah的优化,目前的文献表明,不如选择优化算法如遗传算法、算法和TLBO。 |
| 2。 |
粒子群优化(PSO) |
(我)算法考虑不同人口和更好的位置更新
(2)简单的概念
(3)更高的收敛速度(14]
(iv)容易实现(14] |
(我)在裁判。84年),PSO方法TLBO相比并没有显示出更好的优化
(2)PSO取决于惯性权重和学习常数(213年] |
算法适用于确定sah的最大最优的热效率。然而,还有其他能够优于PSO算法。 |
| 3所示。 |
遗传算法(GA) |
(我)准确、快速与传统方法相比(203年] |
(我)(202年),据报道SAH的热效率是非常贫穷。这是由于它的低传热能力,它取决于不同的系统和操作参数
(2)一般来说,GA往往被困到局部最小值
(3)难以收敛
(iv)它可以产生意义的结果 |
遗传算法仍然是最广泛使用的优化算法。根据文献SAH优化,它仍然显示,可怜的热效率等缺陷存在。 |
| 4所示。 |
人工蜂群(ABC) |
(我)准确、快速与传统方法相比(203年]
(2)在裁判。203年),囊通过ABC算法的热效率略高于GA获得的热效率
(3)PSO算法简单,但用更少的限制程度最高的循环计数和殖民地(214年] |
(我)一些参数会影响算法效率(23]
(二)收敛速度慢212年] |
根据近期文献,尽管一些缺点,ABC优化sah已经显示出良好的效果。 |
| 5。 |
Teaching-learning-based优化(TLBO) |
(我)在裁判。24),TLBO被发现可以接受比选择优化算法如遗传算法、算法和SA
(2)它是一个有效的算法(24]
(3)它是一种很有前途的算法确定最优设计(24]
(四)在裁判。84年),TLBO方法显示更好的结果比算法最大化效率的技术
(v)而言,这是一个简单和低成本的方法metaheuristic评价热工水力粗糙sah的效率(84年]
(vi)收敛速度快(215年]
(七)高精度算法[215年] |
(我)TLBO只需要调优算法的调节限制了其操作(201年] |
直到现在,TLBO表明好的结果的优化sah相比其他优化方法。 |
| 6。 |
精英teaching-learning-based优化(ETLBO) |
(我)在裁判。200年),ETLBO和TLBO算法都发现可以接受比选择优化算法如遗传算法、算法和SA
(2)它是一个有效的算法(200年]
(3)它是一种很有前途的算法确定最优设计(200年] |
(i)的影响ETLBO算法的接受管理指标与人口规模、代号码和精英大小必须考虑算法的效率和详细调查。但是,TLBO只需要调优算法的接受监督限制其操作(201年] |
根据近期文献,ETLBO和TLBO算法执行比其他优化算法被先前的研究人员。直到最近,尽管这种方法的提到的缺点,没有很多的研究论文在SAH优化应用这种算法。 |
|
