Orthogonal Learning Firefly Algorithm

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F21%3A63526749" target="_blank" >RIV/70883521:28140/21:63526749 - isvavai.cz</a>

Výsledek na webu

<a href="https://academic.oup.com/jigpal/advance-article-abstract/doi/10.1093/jigpal/jzaa044/5902573?redirectedFrom=fulltext" target="_blank" >https://academic.oup.com/jigpal/advance-article-abstract/doi/10.1093/jigpal/jzaa044/5902573?redirectedFrom=fulltext</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1093/jigpal/jzaa044" target="_blank" >10.1093/jigpal/jzaa044</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Orthogonal Learning Firefly Algorithm

Popis výsledku v původním jazyce

The primary aim of this original work is to provide a more in-depth insight into the relations between control parameters adjustments, learning techniques, inner swarm dynamics and possible hybridization strategies for popular swarm metaheuristic Firefly Algorithm (FA). In this paper, a proven method, orthogonal learning, is fused with FA, specifically with its hybrid modification Firefly Particle Swarm Optimization (FFPSO). The parameters of the proposed Orthogonal Learning Firefly Algorithm are also initially thoroughly explored and tuned. The performance of the developed algorithm is examined and compared with canonical FA and above-mentioned FFPSO. Comparisons have been conducted on well-known CEC 2017 benchmark functions, and the results have been evaluated for statistical significance using the Friedman rank test.

Název v anglickém jazyce

Orthogonal Learning Firefly Algorithm

Popis výsledku anglicky

The primary aim of this original work is to provide a more in-depth insight into the relations between control parameters adjustments, learning techniques, inner swarm dynamics and possible hybridization strategies for popular swarm metaheuristic Firefly Algorithm (FA). In this paper, a proven method, orthogonal learning, is fused with FA, specifically with its hybrid modification Firefly Particle Swarm Optimization (FFPSO). The parameters of the proposed Orthogonal Learning Firefly Algorithm are also initially thoroughly explored and tuned. The performance of the developed algorithm is examined and compared with canonical FA and above-mentioned FFPSO. Comparisons have been conducted on well-known CEC 2017 benchmark functions, and the results have been evaluated for statistical significance using the Friedman rank test.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

LOGIC JOURNAL OF THE IGPL

ISSN

1367-0751

e-ISSN

—

Svazek periodika

29

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

12

Strana od-do

167-179

Kód UT WoS článku

000637317000005

EID výsledku v databázi Scopus

2-s2.0-85104951141