Self-Adaptive Spherical Search with Constrained Multi-Operator Differential Evolution (SASS-CMODE) for nonlinear programming problems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible. Metaheuristic algorithms for constrained optimiza- tion problems have become popular because of their ease of use and capability to obtain global solutions. However, these population-based algorithms can be computationally expensive and may suffer from low accuracy due to the difficulty in obtaining feasible points. We present a novel algorithm, re- ferred to as SASS-CMODE, by integrating a modified Improved Multi-Operator Differential Evolution (IMODE) algorithm with the Self-Adaptive Spherical Search (SASS) method. IMODE is modified to make it suitable for solving constrained problems, leading to a new algorithm termed Constrained Multi-Operator Differential Evolution (CMODE). SASS-CMODE is capable of achieving solutions with high feasibility rate and high accuracy by utilizing SASS to identify good feasible points and CMODE to achieve accurate solutions with fewer function evaluations. To evaluate its performance, we test SASS-CMODE to 57 engi- neering problems. The results demonstrate its superiority over other state-of-the-art optimization algorithms. SASS-CMODE is also employed to solve a constrained optimization problem on identifying optimal levels of non-pharmaceutical interventions to control an epidemic, showcasing its versatility and applicability in real-world scenarios.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle