ScholarGate
Pembantu
Machine learningSwarm Intelligence

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. 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.

Compare side by side
ScholarGateDwarf Mongoose Optimization (Dwarf Mongoose Optimization). Dicapai 2026-06-15 daripada https://scholargate.app/ms/optimization/dwarf-mongoose-optimization · Set data: https://doi.org/10.5281/zenodo.20539026