元启发式优化:算法设计与应用

---

这个特别的问题集中在算法设计和元启发式优化算法的应用。更具体地说，我们旨在提供一些知情设计的例子，其中在元启发式算法的设计过程中考虑了问题特征。这里确定了两类方法:(我)算法在运行过程中根据组件的成功程度进行更改，从而适应问题(2)经过彻底的问题检查后设计的算法

本特刊中包含的一些论文主要通过建模和概念化一些问题特征和/或设计方法来关注算法方面。其他论文提出了特定领域的实现。然而，由于这一学科的性质，这两类学科并没有明确的区分开来，自然，这一领域的研究倾向于同时放在这两个领域。

E. B. de Moraes Barbosa和E. L. Franca Senne的论文利用统计和人工智能方法来微调算法的参数。提出的方法即面向启发式竞赛算法(HORA)，通过探索参数空间来寻找良好的配置，从而使算法适应于所考虑的每个问题。

S. Alharbi和I. Venkat的论文提出了一个解决象棋谜题问题的进化方法，即最小支配集皇后问题。为了解决这个问题，S. Alharbi和I. Venkat提出了一种特别适合这个问题的编码和基本代数的简化遗传算法。

雷洋和史建平的论文主要研究一类组合问题，即考试时间表问题。本文将该问题表述为一个双目标优化问题，并采用定制模因算法进行求解。该算法使用了一个预先设计的特殊交叉算子和两个局部搜索算法，并结合了一个保持多样性的策略，以确保非支配集包含足够的解。

Li等人的论文提出了一种新颖的复杂元启发式算法，属于粒子群优化器的一类。提出的框架被认为是解决复杂的高度多元的问题，并利用MapReduce编程模型分解算法操作，并允许自然的并行化。

K. Li等人的论文关注的是一个具体参考农业的图像处理问题。该系统由一种进化元启发式算法和两种图像处理算法组成。该系统的目标是检测因玉米病虫害引起的植物斑点。

N. Elkhani和R. C. Muniyandi在多目标粒子群优化框架下提出了一种新的杂交算法。这种杂交利用并行版本的膜计算来执行元启发式的选择。多目标粒子群优化算法用于肿瘤分类的标记基因识别。

最后两篇论文的重点是针对军事应用的裁剪算法设计。G. Peng等人提出了一种混合/模因离散粒子群优化器来解决复杂的现实军事问题。将目标分配给可用武器以使空袭效率最大化的问题导致了一个同时具有多目标、动态和约束的组合问题。该算法由柯西运动算子、局部搜索和修复算法等多部分组成，用于解决可行解太少的情况。

张凯等人对无人作战飞机路径规划进行了研究，提出了一种新的元启发式方法，该方法在其结构中集成了领域特定的图论模型。采用该方法设计的无人机轨迹平滑地避开了雷达控制的区域。

Gexiang张
Linqiang锅
费内里
Maoguo龚
阿尔贝托Leporati

版权

版权所有:张葛祥等这是一篇开放获取的文章知识共享署名许可，允许在任何媒介上不受限制地使用、分发和复制，只要原稿被适当引用。