Dwarf Mongoose Optimization
Musang kerdil hidup dalam kumpulan keluarga yang teratur dengan peranan tingkah laku yang jelas. Sesetengah ahli mengintai makanan dan ancaman (penerokaan dan amaran awal), yang lain menjaga anak dan mempamerkan individu yang lebih muda (eksploitasi dan penambahbaikan), dan kumpulan secara kolektif mengejar mangsa (pencarian kolaboratif). Algoritma ini menangkap ini melalui pelbagai fasa tingkah laku: agen pengintai meneroka secara meluas, agen pengikut tertarik kepada penyelesaian yang baik, dan tingkah laku menjaga anak memperhalusi penyelesaian melalui carian setempat. Struktur sosial hierarki ini secara semula jadi mengimbangi penemuan kawasan baharu yang menjanjikan dengan memperhalusi penyelesaian yang ditemui.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Agushaka, J. O., Ezugwu, A. E., & Abualigah, L. (2022). Dwarf mongoose optimization algorithm. Computer Methods in Applied Mechanics and Engineering, 391, 114570. DOI: 10.1016/j.cma.2022.114570 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Dwarf Mongoose Optimization. ScholarGate. https://scholargate.app/ms/optimization/dwarf-mongoose-optimization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Pengoptima AquilaPengoptimuman↔ compare
- Grey Wolf OptimizerPengoptimuman↔ compare
- Pengoptimuman Helang HarrisPengoptimuman↔ compare
- Algoritma Kulat LendirPengoptimuman↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →