一种基于模拟驾驶训练过程的基于人的元启发式算法求解优化问题

本文介绍了一种新的元启发式优化算法——基于驾驶训练的优化（DTBO），该算法模拟了驾驶训练过程中的学习和教练培训。DTBO在数学上分为三个阶段：教练培训、学生模式化和练习。该算法在优化问题上的性能优于11种竞争算法，并在优化应用中表现出更高的效率。优化是一个确定最佳解决方案的过程，面临多种挑战，包括非线性、非凸和高维问题。元启发式优化算法因其简单、独立于问题类型和在非线性环境中有效而流行。DTBO的创新之处在于模拟了驾驶培训过程，以实现探索和利用之间的适当平衡。该算法在一组53个目标函数上的性能评估表明，它在优化应用中具有良好的性能质量。此外，该算法的性能质量与11种竞争算法进行了比较，结果显示DTBO在优化应用中效率更高。总之，DTBO是一种新的元启发式优化算法，通过模拟驾驶培训过程，实现了探索和利用之间的适当平衡，从而在优化应用中表现出良好的性能。