北京,2023年9月12日– WiMi全息云(NASDAQ:WIMI)(“WiMi”或“公司”)是一家领先的全球性全息增强现实(“AR”)技术提供商,今天宣布开发了一种基于回溯搜索优化算法(BSA)的集体智能引导的深度挖掘回溯搜索优化算法(CIGBSA),旨在解决传统BSA开发能力不足的问题。

CIGBSA的核心是由集体智能引导的深度挖掘。 在回溯搜索优化算法的基础上,引入集体智能的最优趋势,通过发挥集体智能的优势,加速搜索过程,提高算法性能。 为了指导CIGBSA在搜索最优个体的顶点时的决策,CIGBSA设计了基于拓扑对立的学习算子。 这些算子根据当前解空间的拓扑指导算法搜索和学习。 通过分析和建模拓扑结构,CIGBSA能够更准确地评估解的质量,并朝着全局最优解进化。

CIGBSA中的线性组合策略通过引入差向量在指导个体朝着最优解进化方面发挥重要作用。 通过分析个体之间的差异和相似之处,WiMi的开发人员设计了一种有效的线性组合策略,使个体能够更高效地学习和进化。 该策略的使用加速了算法的收敛速度,提高了解的质量。 为了平衡整体性能,CIGBSA模拟了一个具有集体智能的聚类趋势策略。 在线性组合策略中,WiMi开发了另一个差向量,该向量指导个体从当前代的平均值中学习。 这种策略的引入使个体在学习过程中同时考虑全局和局部信息,从而提高了算法的鲁棒性和适应性。

WiMi对CIGBSA的性能进行了广泛的验证,选择了一系列标准优化问题和实际应用问题作为测试基准,并与原始BSA以及最先进的算法进行了比较。 通过比较算法的收敛速度、解决方案的质量以及算法的鲁棒性,评估了CIGBSA的性能和竞争力。 在实验过程中,反复进行参数调优,以进一步提高CIGBSA的性能,通过调整学习率、差向量的权重以及拓扑对立学习算子等参数,搜索CIGBSA在不同问题上能够达到最优结果的最佳参数组合。

与传统BSA相比,WiMi的CIGBSA具有以下几个优势:

结构简单易实现:CIGBSA的结构相对简单易懂易实现。它基于BSA,并引入集体智能和深度挖掘的思想,使算法具有全局探索能力和高效的学习能力。

强大的全局探索能力:CIGBSA能够通过集体智能引导的深度挖掘更全面地探索解空间,从而提高发现全局最优解的概率。与传统BSA相比,CIGBSA在求解优化问题时能够更快地收敛到最优解的邻域。

改进的学习机制:CIGBSA引入了拓扑二元学习算子和线性组合策略,使算法能够更准确地评估解的质量,并指导个体的学习。这种学习机制加速了算法的学习过程,使个体能够更快地适应问题的特征,提高了解的质量和算法的性能。

良好的收敛性和鲁棒性:CIGBSA通过模拟集体智能的聚类趋势策略,实现个体在学习过程中同时考虑全局和局部信息的能力。这种策略的引入使算法具有良好的收敛性和鲁棒性,能够在不同问题和参数设置下稳定地找到高质量解。

竞争力和广泛应用前景:CIGBSA在实验中与BSA和最先进算法展现出竞争力。它在几个标准优化问题和实际应用问题上表现出色。因此,CIGBSA有望在工程优化、资源分配、数据分析等领域发挥重要作用,为解决实际问题提供高效准确的解决方案。

总之,WiMi的CIGBSA在结构简单性、全局探索能力方面具有优势,通过改进的学习机制和策略实现高效学习和进化,以及良好的收敛性和鲁棒性。它的竞争力和广泛应用前景使其成为解决优化问题的强大工具。该算法的开发为解决优化问题开辟了新的途径,有望对实践产生广泛影响,为各行各业提供高效准确的解决方案。