社交网络搜索算法如何应用于单目标问题求解，并附Matlab实现代码？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1303个文字，预计阅读时间需要6分钟。
1. 简介：本文提出了一种新型的社交网络搜索（SNS）元启发式算法，用于优化问题。SNS算法通过构建用户情绪表达模型，模拟用户在社交网络中获取更多人气的过程。
1 简介
在本文中，开发了一种称为社交网络搜索 (SNS) 的新型元启发式算法来解决优化问题。SNS 算法通过对用户表达意见的情绪进行建模，模拟用户在社交网络中获得更多人气的尝试。这些情绪被命名为模仿、对话、争论和创新，它们是用户在社交网络中的真实行为。这些情绪被用作优化操作符，并模拟用户如何受到影响和激励以分享他们的新观点。为了评估 SNS 算法的性能，进行了两项具有不同属性的比较研究。第一步，选择了 210 个数学函数，其中包括 120 个固定维度、60 个 N 维度和 30 个 CEC 2014 问题。从文献中选取了7个元启发式算法，对这些方法的统计结果进行了计算和分析。此外，为了对新算法的性能做出有效判断，使用了四个非参数统计测试。在下一步中，在处理 CEC 2017 问题时，将所提出算法的性能与一些最先进的算法进行比较。根据算法的性能，SNS 方法在 101 例 (48%) 中与其他元启发式算法相比能够获得更好的结果，并且在处理其他问题时表现相同或相对。
本文共计1303个文字，预计阅读时间需要6分钟。
1. 简介：本文提出了一种新型的社交网络搜索（SNS）元启发式算法，用于优化问题。SNS算法通过构建用户情绪表达模型，模拟用户在社交网络中获取更多人气的过程。
1 简介
在本文中，开发了一种称为社交网络搜索 (SNS) 的新型元启发式算法来解决优化问题。SNS 算法通过对用户表达意见的情绪进行建模，模拟用户在社交网络中获得更多人气的尝试。这些情绪被命名为模仿、对话、争论和创新，它们是用户在社交网络中的真实行为。这些情绪被用作优化操作符，并模拟用户如何受到影响和激励以分享他们的新观点。为了评估 SNS 算法的性能，进行了两项具有不同属性的比较研究。第一步，选择了 210 个数学函数，其中包括 120 个固定维度、60 个 N 维度和 30 个 CEC 2014 问题。从文献中选取了7个元启发式算法，对这些方法的统计结果进行了计算和分析。此外，为了对新算法的性能做出有效判断，使用了四个非参数统计测试。在下一步中，在处理 CEC 2017 问题时，将所提出算法的性能与一些最先进的算法进行比较。根据算法的性能，SNS 方法在 101 例 (48%) 中与其他元启发式算法相比能够获得更好的结果，并且在处理其他问题时表现相同或相对。