购买改进/原创算法避坑指南
这会触及很多人的利益,但是不得不发声,教大家避坑!因为现在元启发式/群智能算法改进、原创算法市场太乱了,导致产生了很多受害者。
1、增加复杂度的不要买,大家可以叫商家给出运行时间比较。
2、只展示CEC2005,并且F1-F4迭代一次找到0的不要买,网上看上有商家卖这种,还认为自己改进很牛,这很明显是因为这四个函数的最优解为0,某些无良商家用手段直接找到了这个最优解,一次找到了,寻优的意义在哪里???这种论文目前是没有见过的。
3、买原创算法的也注意,很多人是增加复杂度去和别人作比较,可以提要求,把迭代次数换成评估次数试试???或者说喊他们放出运行时间比较???不要看对比的算法多,测试集多就觉得这个算法很牛。目前很多审稿意见都有提到这个问题。值得大家重视!
4、把线性种群减少去掉的代码不要买,除非使用了标准的评估手段,CEC大多数测试集都是评估次数为10000×问题维度。
5、用迭代次数比较的,一定一定要注意是否增加复杂度!基本上看CEC2017的运行时间即可。
最后希望大家都能买到心仪的代码,不要被欺骗!!!
中科院一区top蛇优化器(SO)独家原创改进!适合发表!
Hashim等人提出的蛇优化器(Snake Optimizer,SO)主要灵感来自蛇的觅食和特殊交配行为。该成果于2022年发表在一区top期刊“Expert Systems with Applications”上面,期刊影响因子:8.5。目前是高被引论文,在web of science中已被引用302次!该期刊对国人还算友好,想要冲刺一区的朋友可以考虑试试!
文献来源:Snake Optimizer: A novel meta-heuristic optimization algorithm
DOI:10.1016/j.knosys.2022.108320
NFL定理证明,没有哪一个算法在所有优化问题上面都表现优异,因此这便是对SO进行改进创作的原始动机,也是大家能够一直不断改进创作群智能的重要原因!
代码里面将改进点加上了中文注释。方便读者书写并学习创新点!
将多策略改进的蛇优化器(XXSO:具体可以自己命名)和其他9种竞争算法在CEC2017测试集(30、50、100)的3种不同维度上面进行仿真实验,通常写sci论文时就放3种不同维度即可,常用的是(30、50、100)维。竞争对比算法包括:经典算法(GWO、AVOA)、改进算法(PPSO、EGWO)、2024年新算法(CPO、GOOSE、PO、BFO)。
程序可读性很高,带有中文注释,代码一键运行: “main_30”和“main_plot”出所有实验结果,里面收敛曲线和箱线图都是代码自动保存的高质量图片,数据都是算法统一运行30次后计算得到的相应评价指标,包括Friedman检验、P值秩和检验、平均值(Ave)和标准差(Std)。这些同样也是sci论文里面常用的实验手段和评价指标。
实验结果:
30维
F10
运行时间对比
收敛曲线
箱线图
均值和标准差数据处理:只有每一行最小的值会被加粗。由于屏幕太小无法全部展示30个测试函数结果,不过我们提出的XXSO是加粗最多的,表明XXSO的寻优值更加精确!
P值秩和检验实验结果:当P<0.05时表明竞争算法与XXSO存在显著性差异。由实验结果很容易看出所有竞争算法与XXSO基本大多数都存在显著性差异,表明提出的XXSO性能与竞争算法存在差异!
Friedman检验实验结果:显而易见,XXSO排名第一!
50维
F15
运行时间对比
收敛曲线
箱线图
均值和标准差数据处理:只有每一行最小的值会被加粗。由于屏幕太小无法全部展示30个测试函数结果,不过我们提出的XXSO是加粗最多的,表明XXSO的寻优值更加精确!
P值秩和检验实验结果:当P<0.05时表明竞争算法与XXSO存在显著性差异。由实验结果很容易看出所有竞争算法与XXSO基本大多数都存在显著性差异,表明提出的XXSO性能与竞争算法存在差异!
Friedman检验实验结果:显而易见,XXSO排名第一!
100维
F30
运行时间对比
收敛曲线
箱线图
均值和标准差数据处理:只有每一行最小的值会被加粗。由于屏幕太小无法全部展示30个测试函数结果,不过我们提出的XXSO是加粗最多的,表明XXSO的寻优值更加精确!
P值秩和检验实验结果:当P<0.05时表明竞争算法与XXSO存在显著性差异。由实验结果很容易看出所有竞争算法与XXSO基本大多数都存在显著性差异,表明提出的XXSO性能与竞争算法存在差异!
Friedman检验实验结果:显而易见,XXSO排名第一!
所有文件如下,可以看见管理很规范,每个都是独立的.m文件,不会乱七八糟: