Performance Assessment of Metaheuristic Algorithms: Firefly, Grey Wolf, and Moth Flame in Coal Pyrolysis Kinetic Parameter Estimation
Notice bibliographique
Résumé
This study investigates the effectiveness of the Firefly Optimizer (FFA), Grey Wolf Optimizer (GWO), and Moth Flame Optimizer (MFO) metaheuristic algorithms in estimating the kinetic parameters of a single-step coal pyrolysis model. By examining the effects of the algorithmic configuration, the initial parameter estimates, and the search space size on the efficacy and efficiency of the optimization run, the research seeks to encourage the qualified engineering application of these algorithms in the field of pyrolysis modeling. Four critical analyses were conducted: convergence efficiency, robustness and repeatability, parameter tuning, and performance on noisy data. MFO and GWO had comparable fitness scores of 1.05×10-4 and 1.04×10-4 respectively in the optimisation run analysis, while FireFly Algorithm (FFA) fell behind with a score of 1.09×10-4. Regarding the calculation time, FFA showed better results than other optimizers with an execution time of 113.75 seconds. MFO showed initial promise in convergence analysis with speedy convergence, whereas GWO progressively enhanced its solutions. Additionally, GWO was shown to be the most dependable algorithm with the lowest values for average fitness score and execution time at 1.07×10-4 and 38.86 seconds. The combined values of standard deviation in fitness value and execution time for GWO were 1.07×10-6 and 0.35 indicating its robustness towards initial parameters. Similar to this, investigations on repeatability emphasized the reliability of the GWO method. Further, the parameter tuning assessments supported the balanced performance of GWO, and the studies of noise handling discovered GWO to be the most robust to noisy data. Overall, GWO is recommended as a one-stop average solution for the general engineered application; however, algorithm choice hinges on the specific requirement.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».