A novel hybrid algorithm based on Stochastic Fractal Search Algorithm and CMA-ES

Serdar Paçacı; Okan Bingöl; Uğur Güvenç

Makale detayları

A novel hybrid algorithm based on Stochastic Fractal Search Algorithm and CMA-ES

Yazarlar:

Serdar Paçacı | Okan Bingöl | Uğur Güvenç

Yayıncı:

Duzce University

Ana Başlıklar:

Mühendislik

Dergi:

Düzce Üniversitesi Bilim ve Teknoloji Dergisi Vol.11 Issue 2, pp.868-907

Belge Tipi:

Makale

Yayın Tarihi:

4/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001288316

pISSN:

2148-2446

Anahtar kelimeler:

Özet:

 In this study, a novel hybridization approach, which is called CMASFS and is based on the covariance matrix adaptation evolution strategy CMA-ES and the stochastic fractal search SFS algorithms. To make the proposed algorithm dynamic, Gaussian walk equations involved in the diffusion process of SFS have been updated and the algorithm decide to use which the Gaussian walk equations. The effectiveness of the proposed algorithm is tested using CEC2017 benchmark functions having unimodal, multimodal, hybrid, and composition functions in 10, 30, 50, and 100 dimensions. The performance of the CMASFS algorithm is compared with 17 metaheuristic algorithms given in the literature over the CEC2017 benchmark functions. According to the results, it is seen that CMASFS is generally obtained better mean error values. Moreover, to show the superiority of the proposed algorithm, Friedman analysis and the Wilcoxon rank-sum test are applied to the test results of the algorithms. The results of the Wilcoxon signed-rank test show that the improvement with the CMASFS algorithm is statistically significant on the majority of the CEC2017. The results of Friedman test verify that the CMASFS is obtained the best rank compared to both the original SFS and other compared algorithms.

 In this study, a novel hybridization approach, which is called CMASFS and is based on the covariance matrix adaptation evolution strategy CMA-ES and the stochastic fractal search SFS algorithms. To make the proposed algorithm dynamic, Gaussian walk equations involved in the diffusion process of SFS have been updated and the algorithm decide to use which the Gaussian walk equations. The effectiveness of the proposed algorithm is tested using CEC2017 benchmark functions having unimodal, multimodal, hybrid, and composition functions in 10, 30, 50, and 100 dimensions. The performance of the CMASFS algorithm is compared with 17 metaheuristic algorithms given in the literature over the CEC2017 benchmark functions. According to the results, it is seen that CMASFS is generally obtained better mean error values. Moreover, to show the superiority of the proposed algorithm, Friedman analysis and the Wilcoxon rank-sum test are applied to the test results of the algorithms. The results of the Wilcoxon signed-rank test show that the improvement with the CMASFS algorithm is statistically significant on the majority of the CEC2017. The results of Friedman test verify that the CMASFS is obtained the best rank compared to both the original SFS and other compared algorithms.

 In this study, a novel hybridization approach, which is called CMASFS and is based on the covariance matrix adaptation evolution strategy CMA-ES and the stochastic fractal search SFS algorithms. To make the proposed algorithm dynamic, Gaussian walk equations involved in the diffusion process of SFS have been updated and the algorithm decide to use which the Gaussian walk equations. The effectiveness of the proposed algorithm is tested using CEC2017 benchmark functions having unimodal, multimodal, hybrid, and composition functions in 10, 30, 50, and 100 dimensions. The performance of the CMASFS algorithm is compared with 17 metaheuristic algorithms given in the literature over the CEC2017 benchmark functions. According to the results, it is seen that CMASFS is generally obtained better mean error values. Moreover, to show the superiority of the proposed algorithm, Friedman analysis and the Wilcoxon rank-sum test are applied to the test results of the algorithms. The results of the Wilcoxon signed-rank test show that the improvement with the CMASFS algorithm is statistically significant on the majority of the CEC2017. The results of Friedman test verify that the CMASFS is obtained the best rank compared to both the original SFS and other compared algorithms.

 Bu çalışmada, kovaryans matris uyarlaması ile evrim stratejisi CMA-ES ve stokastik fraktal arama SFA algoritmalarına dayanan CMASFA adı verilen yeni bir hibritleştirme yaklaşımı geliştirilmiştir. Önerilen algoritmayı dinamik hale getirmek için, SFSnin yayılım sürecinde yer alan Gauss yürüyüş eşitlikleri güncellenmiş ve hangi Gauss yürüyüş eşitliğinin kullanılacağına algoritmanın karar vermesi sağlanmıştır. Önerilen algoritmanın etkinliği, 10, 30, 50 ve 100 boyutlu tekmodlu, çokmodlu, melez ve komposizyon fonksiyonlarına sahip CEC2017 benchmark fonksiyonları kullanılarak test edilmiştir. CEC2017 benchmark fonksiyonları kullanılarak CMASFS algoritmasının performansı, literatürde verilen 17 metasezgisel algoritma ile karşılaştırılmıştır. Elde edilen sonuçlara göre, CMASFSnin daha düşük bir ortalama hata değerleri elde ettiği görülmüştür. Ayrıca önerilen algoritmanın üstünlüğünü göstermek için algoritmaların elde ettiği sonuçlar üzerinde Friedman analizi ve Wilcoxon işaretli sıra testi uygulanmıştır. Wilcoxon işaretli sıra testinin sonuçlarına göre, CMASFA algoritmasıyla yapılan iyileştirmenin CEC2017 içerisindeki fonksiyonların büyük bir çoğunluğunda istatistiksel olarak anlamlı farklılık oluşturduğu ve daha uygun sonuçlar elde ettiği sonucuna ulaşılmıştır. Friedman testinin sonuçlarına göre de CMASFAnin hem orijinal SFAya hem de diğer karşılaştırılan algoritmalara kıyasla en iyi sıralamayı elde ettiği görülmektedir.

Makale detayları

A novel hybrid algorithm based on Stochastic Fractal Search Algorithm and CMA-ES

Yazarlar:

Serdar Paçacı | Okan Bingöl | Uğur Güvenç

Yayıncı:

Duzce University

Ana Başlıklar:

Mühendislik

Dergi:

Düzce Üniversitesi Bilim ve Teknoloji Dergisi Vol.11 Issue 2, pp.868-907

Belge Tipi:

Makale

Yayın Tarihi:

4/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001288316

pISSN:

2148-2446

Optimization algorithm

Meta-heuristic

Covariance matrix adaptation evolution strategy

Stochastic fractal search

CEC 2017 benchmark problemsOptimizasyon algoritması

Meta-sezgisel

Kovaryans matrisi adaptasyon evrim stratejisi

Stokastik fraktal arama

CEC 2017 benchmark problemleri

Sayı

Makale detayları

Yazarlar: Serdar Paçacı | Okan Bingöl | Uğur Güvenç

Yayıncı: Duzce University

Ana Başlıklar: Mühendislik

Dergi: Düzce Üniversitesi Bilim ve Teknoloji Dergisi Vol.11 Issue 2, pp.868-907

Belge Tipi: Makale

Yayın Tarihi: 4/2023

Belge Dili: İngilizce

Document ID (Org No.): 2001288316

pISSN: 2148-2446

Sayı

Yazarlar:

Serdar Paçacı | Okan Bingöl | Uğur Güvenç

Yayıncı:

Duzce University

Ana Başlıklar:

Mühendislik

Dergi:

Düzce Üniversitesi Bilim ve Teknoloji Dergisi Vol.11 Issue 2, pp.868-907

Belge Tipi:

Makale

Yayın Tarihi:

4/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001288316

pISSN:

2148-2446