Vorwort
Hazelnut Tree Search (HST) zur Lösung numerischer und technischer Optimierungsprobleme. HST ist ein Multi-Agenten-Algorithmus, der den Suchprozess nach dem besten Haselnussbaum in einem Wald simuliert. Der Algorithmus besteht aus drei Hauptausführern: Wachstum, Fruchtausbreitung und Wurzelausbreitung. Während der Wachstumsphase konkurrieren Bäume miteinander um gemeinsame Ressourcen für ihr Wachstum und die Verbesserung ihrer Gesundheit. Während der Fruchtverbreitungsphase erforscht HTS die Bewegung von Haselnüssen im Wald mithilfe von Tieren und Nagetieren. Bei der Wurzelausbreitung führt HTS eine Ausnutzung durch, indem es die Wurzelausbreitungsmechanismen der umliegenden Bäume modelliert. Die Leistung des vorgeschlagenen Algorithmus wird anhand multivariabler, uneingeschränkter numerischer Optimierungsbenchmarks und eingeschränkter technischer Probleme bewertet. Vergleicht man den vorgeschlagenen Algorithmus mit einigen anderen Optimierungsalgorithmen, erkennt man die Überlegenheit von HTS hinsichtlich der Erfolgsquote bei der Lösung von Problemen und der Suche nach dem globalen Optimum bei den meisten Benchmark-Problemen.
Code
MATLAB
rootSpreading.m
function [Population] = rootSpreading(Population, AlgorithmParams, ProblemParams,alpha,ChaosVec)
temp=nan;
temp=Population(:,1:end-1);
ProblemParams.VarMin;
ProblemParams.VarMax;
% r=exp(-AlgorithmParams.year/AlgorithmParams.NumOfYears);
r=alpha;
ch=ChaosVec(AlgorithmParams.year);
costs=Population(:,end);
[costs,sortInd] = sort(costs);
Population = Population(sortInd,:);
temp=Population(1,1:end-1);
bestCost=Population(1,end);
for i=1:ProblemParams.NPar
temp(:,i