Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Алгоритм слизовика× | Оптимізація Харрісовими яструбами× | |
|---|---|---|
| Галузь | Оптимізація | Оптимізація |
| Родина | Machine learning | Machine learning |
| Рік появи≠ | 2020 | 2019 |
| Автор методу≠ | Shimin Li | Ali Asghar Heidari |
| Тип | Nature-inspired metaheuristic algorithm | Nature-inspired metaheuristic algorithm |
| Основоположне джерело≠ | Li, S., Chen, H., Wang, M., Heidari, A. A., & Chakraborty, S. (2020). Slime mould algorithm: A new method for stochastic optimization. Future Generation Computer Systems, 111, 300-323. DOI ↗ | Heidari, A. A., Mirjalili, S., Faris, H., Aljarah, I., Mafarja, M., & Chen, H. (2019). Harris hawks optimization: Algorithm and applications. Future Generation Computer Systems, 97, 849-872. DOI ↗ |
| Інші назви | SMA | HHO |
| Пов'язані≠ | 5 | 4 |
| Підсумок≠ | The Slime Mould Algorithm (SMA) is a nature-inspired metaheuristic optimization technique introduced by Li et al. in 2020. It mimics the behavior of slime moulds, which spread and contract to find optimal food sources. SMA addresses complex optimization problems by simulating the adaptive foraging and spatial distribution patterns of these organisms. | Harris Hawks Optimization (HHO) is a metaheuristic algorithm introduced by Heidari et al. in 2019, inspired by the hunting strategies of Harris's hawks. The algorithm models the cooperative hunting behavior and escape strategies of these raptors to solve complex optimization problems. HHO balances exploration through perching and exploitation through dynamic pursuit, making it effective for multimodal and high-dimensional optimization. |
| ScholarGateНабір даних ↗ |
|
|