24、黏液霉菌算法与差分进化的SMOTE启发扩展研究

黏液霉菌算法与差分进化的SMOTE启发扩展研究

在优化算法的领域中，黏液霉菌算法（SMA）和差分进化（DE）算法都是备受关注的方法。本文将结合这两部分内容，为大家详细介绍相关研究。

黏液霉菌算法（SMA）研究

在对SMA算法的研究中，将17种SMA算法变体与16种自然启发优化器进行了比较。所有方法都应用于22个实际问题，以评估其在实际应用中的性能，并通过多种方法对结果进行了统计比较。

• 种群规模线性减少的影响 ：简单的线性减少种群规模（每次减少一个个体）会导致性能变差。

• Wilcoxon测试结果 ：以下是SMA30 - 003与其他变体的Wilcoxon测试中获胜、平局和失败的次数。
  |比较对象|B/S/W|B/S/W (sig.)|
  | ---- | ---- | ---- |
  |SMA30−003 vs SMARELF 0501|16/2/4|6/15/1|
  |SMA30−003 vs SMAELF 0501|15/3/4|5/17/0|
  |SMA30−003 vs SMAE0504|14/2/6|5/17/0|
  |SMA30−003 vs SMAR1|10/2/10|3/17/2|
  |SMA30−003 vs SMAE0501|15/2/5|3/18/1|
  |SMA30−003 vs SMAR1−2|12/2/8|3/18/1|
  |SMA30−003 vs SMAELBF 0501|15/2/5|3/19/0|
  |SMA30−003 vs SMAZ|14/2