Un efficiente algoritmo di ottimizzazione del pianeta per risolvere problemi di ingegneria

Rapporti scientifici volume 12, numero articolo: 8362 (2022) Citare questo articolo

2232 accessi

24 citazioni

3 Altmetrico

Dettagli sulle metriche

In questo studio viene proposto un algoritmo meta-euristico, denominato The Planet Optimization Algorithm (POA), ispirato alla legge gravitazionale di Newton. POA simula il movimento dei pianeti nel sistema solare. Il Sole gioca il ruolo chiave nell'algoritmo in quanto è il cuore dello spazio di ricerca. Vengono adottate due fasi principali, ricerca locale e globale, per aumentare la precisione ed espandere contemporaneamente lo spazio di ricerca. Una funzione di distribuzione di Gauss viene utilizzata come tecnica per migliorare la precisione di questo algoritmo. La POA viene valutata utilizzando 23 funzioni di test ben note, 38 funzioni di test benchmark IEEE CEC (CEC 2017, CEC 2019) e tre problemi ingegneristici reali. I risultati statistici delle funzioni di benchmark mostrano che la POA può fornire risultati molto competitivi e promettenti. Non solo la POA richiede un tempo di calcolo relativamente breve per risolvere i problemi, ma mostra anche una precisione superiore in termini di sfruttamento dell'ottimale.

Negli ultimi anni sono stati proposti molti algoritmi di ottimizzazione ispirati alla natura. Alcuni degli algoritmi ispirati agli sciami sono apprezzati come l'algoritmo Particle Swarm Optimization (PSO)1, Firefly Algorithm (FA)2, Dragonfly Algorithm (DA)3, Whale Optimization Algorithm (WOA)4, Gray Wolf Optimizer (GWO)5, Monarch Butterfly Optimization (MBO)6, Earthworm Optimization Algorithm (EWA)7, Elephant Herding Optimization (EHO)8, Moth Search (MS) Algoritmo9, Slime Mold Algorithm (SMA)10, Colony Predation Algorithm (CPA)10 e Harris Hawks Optimization ( HHO)11. Inoltre, un certo numero di algoritmi ispirati alla fisica simulano le leggi fisiche dell'universo o della natura, come Curved Space Optimization (CSO)12, Water Wave Optimization (WWO)13, ecc. Inoltre, alcuni algoritmi basati su fondamenti matematici sono anche approcci creativi, ad esempio l'ottimizzatore Runge Kutta (RUN)14.

D'altra parte, alcuni algoritmi simulano il comportamento umano come l'ottimizzazione basata sull'insegnamento-apprendimento (TLBO)15 e l'ottimizzazione basata sul comportamento umano (HBBO)16. Nel frattempo, l’algoritmo genetico (GA)17 si ispira all’evoluzione e ottiene molto successo nella risoluzione di problemi di ottimizzazione in molti campi. Con la crescente popolarità dell’AG, in letteratura vengono proposti molti algoritmi basati sull’evoluzione, tra cui la Programmazione Evolutiva (EP)18 e le Strategie Evolutive (ES)19.

Al giorno d'oggi, gli algoritmi metaeuristici diventano uno strumento essenziale per risolvere problemi di ottimizzazione complessi in vari campi. Molti ricercatori hanno applicato tali algoritmi per tentare di affrontare questioni difficili in biologia20, economia21, ingegneria22,23, ecc. Pertanto, la costruzione di nuovi algoritmi per soddisfare requisiti così complessi ha un merito significativo.

In questo studio viene costruito un potente algoritmo per risolvere problemi di ottimizzazione locale e globale. L'idea nasce dal movimento naturale dei pianeti nel nostro sistema solare e dalle interazioni interplanetarie durante tutto il loro ciclo di vita. La legge di gravità di Newton riflette l'interazione gravitazionale del Sole con i pianeti in orbita per trovare la posizione ottimizzata attraverso le caratteristiche dei singoli pianeti. Le caratteristiche di questi pianeti sono le loro masse e distanze.

In questo articolo proponiamo un algoritmo di ottimizzazione utilizzando la legge di gravitazione universale di Newton come base per il suo sviluppo. In questo algoritmo vengono considerate una serie di caratteristiche preminenti, come la ricerca locale, la ricerca globale, per aumentare la capacità di trovare le soluzioni esatte integrate nella simulazione del movimento dei pianeti nell'universo.

Il presente documento di ricerca è strutturato in diverse sezioni come segue. Nella sezione successiva viene presentata la costruzione di un algoritmo meta-euristico. Il POA strutturale è simulato in base alla legge di gravitazione universale di Newton e ai fenomeni astronomici. Quindi, viene utilizzata un'ampia gamma di applicazioni di vari problemi di benchmark per dimostrare quanto sia efficace la POA. Allo stesso tempo, presentiamo le applicazioni del POA a problemi ingegneristici reali. Infine, sulla base dei risultati presentati, l’ultima sezione riporta le conclusioni.