Digitální knihovna UPCE přechází na novou verzi. Omluvte prosím případné komplikace. / The UPCE Digital Library is migrating to a new version. We apologize for any inconvenience.

Publikace:
Mother optimization algorithm: a new human-based metaheuristic approach for solving engineering optimization

Článekopen accesspeer-reviewedpublished
dc.contributor.authorMatousova, Ivana
dc.contributor.authorTrojovsky, Pavel
dc.contributor.authorDehghani, Mohammad
dc.contributor.authorTrojovska, Eva
dc.contributor.authorKostra, Juraj
dc.date.accessioned2024-08-24T07:22:20Z
dc.date.available2024-08-24T07:22:20Z
dc.date.issued2023
dc.description.abstract This article's innovation and novelty are introducing a new metaheuristic method called mother optimization algorithm (MOA) that mimics the human interaction between a mother and her children. The real inspiration of MOA is to simulate the mother's care of children in three phases education, advice, and upbringing. The mathematical model of MOA used in the search process and exploration is presented. The performance of MOA is assessed on a set of 52 benchmark functions, including unimodal and high-dimensional multimodal functions, fixed-dimensional multimodal functions, and the CEC 2017 test suite. The findings of optimizing unimodal functions indicate MOA's high ability in local search and exploitation. The findings of optimization of high-dimensional multimodal functions indicate the high ability of MOA in global search and exploration. The findings of optimization of fixed-dimension multi-model functions and the CEC 2017 test suite show that MOA with a high ability to balance exploration and exploitation effectively supports the search process and can generate appropriate solutions for optimization problems. The outcomes quality obtained from MOA has been compared with the performance of 12 often-used metaheuristic algorithms. Upon analysis and comparison of the simulation results, it was found that the proposed MOA outperforms competing algorithms with superior and significantly more competitive performance. Precisely, the proposed MOA delivers better results in most objective functions. Furthermore, the application of MOA on four engineering design problems demonstrates the efficacy of the proposed approach in solving real-world optimization problems. The findings of the statistical analysis from the Wilcoxon signed-rank test show that MOA has a significant statistical superiority compared to the twelve well-known metaheuristic algorithms in managing the optimization problems studied in this paper.eng
dc.description.abstract-translatedInovace a novinka tohoto článku představuje novou metaheuristickou metodu zvanou algoritmus optimalizace matky (MOA), který napodobuje lidskou interakci mezi matkou a jejími dětmi. Skutečnou inspirací MOA je simulovat mateřskou péči o děti ve třech fázích vzdělávání, poradenství a výchovy. Je prezentován matematický model MOA použitý v procesu vyhledávání a průzkumu. Výkon MOA je hodnocen na sadě 52 benchmarkových funkcí, včetně unimodálních a vysokorozměrných multimodálních funkcí, multimodálních funkcí s pevnou dimenzí a testovací sady CEC 2017. Zjištění optimalizace unimodálních funkcí naznačují vysokou schopnost MOA v lokálním vyhledávání a využívání. Poznatky z optimalizace vysokorozměrných multimodálních funkcí naznačují vysokou schopnost MOA v globálním vyhledávání a průzkumu. Zjištění optimalizace funkcí více modelů s pevnou dimenzí a testovací sady CEC 2017 ukazují, že MOA s vysokou schopností vyvážit průzkum a využívání efektivně podporuje proces vyhledávání a může generovat vhodná řešení problémů s optimalizací. Kvalita výsledků získaných z MOA byla porovnána s výkonem 12 často používaných metaheuristických algoritmů. Na základě analýzy a srovnání výsledků simulace bylo zjištěno, že navrhovaná MOA překonává konkurenční algoritmy s lepším a výrazně konkurenceschopnějším výkonem. Přesněji řečeno, navrhovaná MOA poskytuje lepší výsledky ve většině objektivních funkcí. Kromě toho aplikace MOA na čtyři problémy inženýrského návrhu demonstruje účinnost navrhovaného přístupu při řešení problémů optimalizace v reálném světě. Závěry statistické analýzy z Wilcoxonova testu se znaménkem ukazují, že MOA má významnou statistickou převahu ve srovnání s dvanácti dobře známými metaheuristickými algoritmy při zvládání optimalizačních problémů studovaných v tomto článcze
dc.formatp. 10312eng
dc.identifier.doi10.1038/s41598-023-37537-8
dc.identifier.issn2045-2322
dc.identifier.obd39889253
dc.identifier.scopus2-s2.0-85163291552
dc.identifier.urihttps://hdl.handle.net/10195/83736
dc.identifier.wos001059061400070
dc.language.isoeng
dc.peerreviewedyeseng
dc.publicationstatuspublishedeng
dc.publisherNature Publishing Groupeng
dc.relation.ispartofScientific Reports, volume 13, issue: 1eng
dc.relation.publisherversionhttps://www.nature.com/articles/s41598-023-37537-8
dc.rightsopen accesseng
dc.rights.licenceCC BY 4.0
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectlearning-based optimizationeng
dc.subjectglobal optimizationeng
dc.subjectstrategyeng
dc.subjectcolonyeng
dc.subjectoptimalizace založená na učenícze
dc.subjectglobální optimalizacecze
dc.subjectstrategiecze
dc.subjectkoloniecze
dc.titleMother optimization algorithm: a new human-based metaheuristic approach for solving engineering optimizationeng
dc.title.alternativeAlgoritmus optimalizace matky: nový metaheuristický přístup založený na lidech pro řešení inženýrské optimalizacecze
dc.typeArticleeng
dspace.entity.typePublication

Soubory

Původní svazek

Nyní se zobrazuje 1 - 1 z 1
Načítá se...
Náhled
Název:
s41598-023-37537-8.pdf
Velikost:
7.96 MB
Formát:
Adobe Portable Document Format