10.14489/vkit.2022.06.pp.012-020

DOI: 10.14489/vkit.2022.06.pp.012-020

Курейчик В. В., Родзин С. И.
МЕТАЭВРИСТИЧЕСКИЙ ОПТИМИЗАТОР НА ОСНОВЕ МОДЕЛИ ПОВЕДЕНИЯ КОЛОНИИ СОЦИАЛЬНЫХ ПАУКОВ
(с. 12-20)

Аннотация. Предложен метаэвристический оптимизатор, моделирующий паттерны поведения колонии пауков для решения задач оптимизации многомерных мультиэкстремальных функций. Оптимизатор позволяет не только моделировать различные виды поведения агентов, но и включает вычислительные механизмы в целях сохранения баланса между скоростью сходимости алгоритма и разнообразием пространства поиска решений. Такими механизмами являются выявление паттернов индивидуального и коллективного поведения пауков, добавление аттрактивных операторов. Поисковые агенты в алгоритме индивидуально управляются набором различных аттрактивных операторов поиска на основе паттернов индивидуального и коллективного поведения агентов, а также используемых механизмов популяционного отбора. Результативность алгоритма проанализирована в процессе серии экспериментов для задач поиска глобального минимума на множестве из нескольких известных тестовых функций: сферической, Швефеля, Розенброка, суммы квадратов, Растригина и Саломона. Результаты сравнивались с конкурирующими биоэвристиками оптимизации роя частиц и пчелиных колоний по таким показателям, как среднее лучшее решение, медианное лучшее решение и стандартное отклонение от лучшего решения. Точность алгоритма и время поиска решения оказалась выше, чем у конкурирующих алгоритмов. Проведено непараметрическое доказательство статистической значимости полученных результатов с использованием Т-критерия Уилкоксона для независимых выборок, найденных каждым из сравниваемых алгоритмов на множестве тестовых запусков. Эксперименты подтверждают, что результаты по предлагаемому алгоритму являются статистически значимыми.

Ключевые слова: метаэвристика; оптимизатор; глобальный оптимум; агент; колония пауков; преждевременная сходимость; тестовая функция; критерий Уилкоксона.

Kureichik V. V., Rodzin S. I.
METAHEURISTIC OPTIMIZER BASED ON THE BEHAVIOR MODEL OF A COLONY OF SOCIAL SPIDERS
(PP. 12-20)

Abstract. A metaheuristic optimizer is proposed that simulates patterns of behavior of a spider colony for solving optimization problems of multidimensional multiextremal functions. The optimizer allows not only to simulate various types of agent behavior, but also includes computational mechanisms to maintain a balance between the convergence rate of the algorithm and the diversity of the solution search space. Such mechanisms are the identification of patterns of individual and collective behavior of spiders, the addition of attractive operators. Search agents in the algorithm are individually controlled by a set of different attractive search operators based on the patterns of individual and collective behavior of agents, as well as the mechanisms of population selection used. The effectiveness of the algorithm is analyzed using a series of experiments for the problems of finding a global minimum on a set of several wellknown test functions: spherical, Schwefel, Rosenbrock, sum of squares, Rastrigin and Salomon. The results were compared with competing bioheuristics for optimizing the swarm of particles and bee colonies by such indicators as the average best solution, median best solution and standard deviation from the best solution. The accuracy of the algorithm and the time to find a solution turned out to be higher than that of competing algorithms. A nonparametric proof of the statistical significance of the results obtained using the Wilcoxon T-test for independent samples found by each of the compared algorithms on a set of test runs was carried out. Experimental results suggest that the results of the proposed algorithm are statistically significant, they did not happen by chance. This is due to the achieved balance between the convergence rate of the algorithm and the diversity of the solution search space.

Keywords: Metaheuristics; Optimizer; Global optimum; Agent; Spider colony; Premature Convergence; Test function; Wilcoxon criterion.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

В. В. Курейчик, С. И. Родзин (Южный федеральный университет, Таганрог, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

V. V. Kureichik, S. I. Rodzin (Southern Federal University, Taganrog, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. Курейчик В. В., Родзин С. И. Вычислительные модели эволюционных и роевых биоэвристик (обзор) // Информационные технологии. 2021. Т. 27, № 10. C. 507 – 520.
2. Diversity Enhanced Particle Swarm Optimization with Neighborhood Search / H. Wang, H. Sun, Ch. Li et al. // Journal of Information Science. 2013. V. 223. P. 119 – 135.
3. Karaboga D., Akay B. A Comparative Study of Artificial Bee Colony Algorithm // Applied Mathematics and Computation. 2009. V. 214(1). P. 108 – 132.
4. Lubin T. B. The Evolution of Sociality in Spiders // Advances in the Study of Behavior. 2007. V. 37. P. 83 – 145.
5. Maxence S. Social Organization of the Colonial Spider Leucauge in the Neotropics: Vertical Stratification Within Colonies // Journal Arachnol. 2010. V. 38. P. 446 – 451.
6. Rayor E. C. Do Social Spiders Cooperate in Predator Defense and Foraging Without a Web? // Journal Behavioral Ecology and Sociobiology. 2011. V. 65(10). P. 1935 – 1945.
7. Cuevas E., Cienfuegos M., Zaldivar D., Pérez-Cisneros M. A Swarm Optimization Algorithm Inspired in the Behavior of the Social-Spider // Expert Systems with Applications. 2013. V. 40(16). P. 6374 – 6384.
8. Сергиенко А. Б. Тестовые функции для глобальной оптимизации. Красноярск: СГАУ, 2015. 112 с.
9. Shengqi J., Yongquan Zh., Dengyun W., Sen Zh. Elite Opposition-Based Selfish Herd Optimizer // 10th International Conference on Intelligent Information Processing (IIP 2018) 19 – 22 Oct. 2018. Nanning, China. P. 89 – 98. DOI 10.1007/978-3-030-00828-4_10
10. Fausto F., Cuevas E., Valdivia A., González A. A Global Optimization Algorithm In-Spired in the Behavior of Selfish Herds // Journal BioSystems. 2017. V. 160. P. 39 – 55.
11. Wilcoxon F. Individual Comparisons by Ranking Methods Frank Wilcoxon // Biometrics Bulletin. 2006. V. 1(6). Р. 80 – 83.

Eng

1. Kureychik V. V., Rodzin S. I. (2021). Computational models of evolutionary and swarm bioheuristics (review). Informatsionnye tekhnologii, Vol. 27, (10), pp. 507 – 520. [in Russian language]
2. Wang H., Sun H., Li Ch. et al. (2013). Diversity Enhanced Particle Swarm Optimization with Neighborhood Search. Journal of Information Science, Vol. 223, pp. 119 – 135.
3. Karaboga D., Akay B. (2009). A Comparative Study of Artificial Bee Colony Algorithm. Applied Mathematics and Computation, Vol. 214, (1), pp. 108 – 132.
4. Lubin T. B. (2007). The Evolution of Sociality in Spiders. Advances in the Study of Behavior, Vol. 37, pp. 83 – 145.
5. Maxence S. (2010). Social Organization of the Colonial Spider Leucauge in the Neotropics: Vertical Stratification Within Colonies. Journal Arachnology, Vol. 38, pp. 446 – 451.
6. Rayor E. C. (2011). Do Social Spiders Cooperate in Predator Defense and Foraging Without a Web? Journal Behavioral Ecology and Sociobiology, Vol. 65, (10), pp. 1935 – 1945.
7. Cuevas E., Cienfuegos M., Zaldivar D., Pérez-Cisneros M. (2013). A Swarm Optimization Algorithm Inspired in the Behavior of the Social-Spider. Expert Systems with Applications, Vol. 40, 16, pp. 6374 – 6384.
8. Sergienko A. B. (2015). Test functions for global optimization. Krasnoyarsk: SGAU. [in Russian language]
9. Shengqi J., Yongquan Zh., Dengyun W., Sen Zh. (2018). Elite Opposition-Based Selfish Herd Optimizer. 10th International Conference on Intelligent Information Processing (IIP 2018), pp. 89 – 98. Nanning. DOI 10.1007/978-3-030-00828-4_10
10. Fausto F., Cuevas E., Valdivia A., González A. (2017). A Global Optimization Algorithm In-Spired in the Behavior of Selfish Herds. Journal BioSystems, Vol. 160, pp. 39 – 55.
11. Wilcoxon F. (2006). Individual Comparisons by Ranking Methods Frank Wilcoxon. Biometrics Bulletin, Vol. 1, (6), pp. 80 – 83.

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 500 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/vkit.2022.06.pp.012-020

и заполните форму

Отправляя форму вы даете согласие на обработку персональных данных.

Eng

This article is available in electronic format (PDF).

The cost of a single article is 500 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2022.06.pp.012-020

and fill out the form