A hybridization of differential evolution and monarch butterfly optimization for solving systems of nonlinear equations
Notice bibliographique
Résumé
Abstract In this study, we propose a new hybrid algorithm consisting of two meta-heuristic algorithms; Differential Evolution (DE) and the Monarch Butterfly Optimization (MBO). This hybrid is called DEMBO. Both of the meta-heuristic algorithms are typically used to solve nonlinear systems and unconstrained optimization problems. DE is a common metaheuristic algorithm that searches large areas of candidate space. Unfortunately, it often requires more significant numbers of function evaluations to get the optimal solution. As for MBO, it is known for its time-consuming fitness functions, but it traps at the local minima. In order to overcome all of these disadvantages, we combine the DE with MBO and propose DEMBO which can obtain the optimal solutions for the majority of nonlinear systems as well as unconstrained optimization problems. We apply our proposed algorithm, DEMBO, on nine different, unconstrained optimization problems and eight well-known nonlinear systems. Our results, when compared with other existing algorithms in the literature, demonstrate that DEMBO gives the best results for the majority of the nonlinear systems and unconstrained optimization problems. As such, the experimental results demonstrate the efficiency of our hybrid algorithm in comparison to the known algorithms. Highlights This paper proposes a new hybridization of differential evolution and monarch butterfly optimization. Solve system of nonlinear equations and unconstrained optimization problem. The efficiency and effectiveness of our algorithm are provided. Experimental results prove the superiority of our algorithm over the state-of-the-arts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».