Nature-Inspired Chemical Reaction Optimisation Algorithms.
Nature-Inspired Chemical Reaction Optimisation Algorithms.
复制标题
DOI：
10.1007/s12559-017-9485-1
复制
发表时间：
2017
影响因子：
5.4
通讯作者：
Adeli H
中科院分区：
文献类型：
--
作者：
Siddique N;Adeli H
在过去的三十年中，受自然启发的元启发式算法在机器学习和认知计算范式领域的科学文献中占据主导地位。化学反应优化（CRO）是一种基于化学反应原理的基于群体的元启发式算法。化学反应被视为通过一系列反应将反应物（或分子）转化为产物的过程。这个变换过程在CRO算法中实现，以解决优化问题。本文首先概述化学反应以及如何将其应用于优化问题。本文对 CRO 及其变体进行了回顾。总结了有关有效选择 CRO 参数来解决优化问题的文献指南。
Nature-inspired meta-heuristic algorithms have dominated the scientific literature in the areas of machine learning and cognitive computing paradigm in the last three decades. Chemical reaction optimisation (CRO) is a population-based meta-heuristic algorithm based on the principles of chemical reaction. A chemical reaction is seen as a process of transforming the reactants (or molecules) through a sequence of reactions into products. This process of transformation is implemented in the CRO algorithm to solve optimisation problems. This article starts with an overview of the chemical reactions and how it is applied to the optimisation problem. A review of CRO and its variants is presented in the paper. Guidelines from the literature on the effective choice of CRO parameters for solution of optimisation problems are summarised.
登录
查看更多内容
DOI：
10.1007/978-3-540-72960-0_8
发表时间：
2008-01-01
期刊：
ADVANCES IN METAHEURISTICS FOR HARD OPTIMIZATION
影响因子：
--
作者：
Eiben, Gusz;Schut, Martijn C.
通讯作者：
Schut, Martijn C.
航空图像中基于轮廓的目标识别的精英化学反应优化
DOI：
10.1109/tgrs.2014.2365749
发表时间：
2015-05-01
影响因子：
8.2
作者：
Duan, Haibin;Gan, Lu
通讯作者：
Gan, Lu
影响因子：
9.6
作者：
Lin, Dung-Ying;Ku, Yu-Hsiung
通讯作者：
Ku, Yu-Hsiung
DOI：
10.1016/j.ijepes.2011.12.004
发表时间：
2012-07-01
影响因子：
5.2
作者：
Chatterjee, A.;Ghoshal, S. P.;Mukherjee, V.
通讯作者：
Mukherjee, V.
DOI：
10.1109/tsmca.2004.832834
发表时间：
2004-09-01
影响因子：
--
作者：
Ho, SJ;Ho, SY;Shu, LS
通讯作者：
Shu, LS