Robust parallel hybrid artificial bee colony algorithms for the multi-dimensional numerical optimization

Tansel Dokeroglu*, Selen Pehlivan, Bilgin Avenoglu

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

3 Sitaatiot (Scopus)

Abstrakti

This study proposes a set of new robust parallel hybrid metaheuristic algorithms based on artificial bee colony (ABC) and teaching learning-based optimization (TLBO) for the multi-dimensional numerical problems. The best practices of ABC and TLBO are implemented to provide robust algorithms on a distributed memory computation environment using MPI libraries. Island parallel versions of the proposed hybrid algorithm are observed to obtain much better results than those of sequential versions. Parallel pseudorandom number generators are used to provide diverse solution candidates to prevent stagnation into local optima. The performances of the proposed hybrid algorithms are compared with eight different metaheuristics algorithms of particle swarm optimization, differential evolution variants, ABC variants and evolutionary algorithm. The empirical results show that the new hybrid parallel algorithms are scalable and the best performing algorithms when compared to the state-of-the-art metaheuristics.

AlkuperäiskieliEnglanti
Sivut7026-7046
Sivumäärä21
JulkaisuJOURNAL OF SUPERCOMPUTING
Vuosikerta76
Numero9
Varhainen verkossa julkaisun päivämäärä9 tammikuuta 2020
DOI - pysyväislinkit
TilaJulkaistu - syyskuuta 2020
OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

Sormenjälki

Sukella tutkimusaiheisiin 'Robust parallel hybrid artificial bee colony algorithms for the multi-dimensional numerical optimization'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä