Global optimization using a genetic algorithm with hierarchically structured population

این مقاله یک الگوریتم ژنتیکی با جمعیت سلسله مراتبی ساخت یافته برای حل مشکلات بهینه سازی بدون محدودیت استفاده می کند. جمعیت افراد در چندین خوشه همپوشانی توزیع شده اند، هر کدام با یک رهبر و تعدادی از افراد حمایت کننده. سلسله مراتب می گوید که رهبران باید از طرفداران خود با سازمان توپولوژیک خوشه های زیر یک درخت باشند. تست های محاسباتی برای ارزیابی عملکرد الگوریتم، ساختار جمعیتی مختلف، اندازه جمعیت و اپراتورهای متقاطع را ارزیابی می کنند. مجموعه ای از مسائل معیار معیارهای حل شده حل شده است و نتایج آن با نتایج حاصل از روش های دیگر که در ادبیات شرح داده شده است، یعنی دو الگوریتم ژنتیک، یک الگوریتم شبیه سازی شده، تکامل دیفرانسیل و بهینه سازی ذرات ذرات مقایسه شده است. نتایج نشان می دهد که روش استفاده شده قادر به دستیابی به عملکرد بهتر نسبت به رویکردهای قبلی به عنوان دو معیاری است که معمولا برای مقایسه استفاده می شود: تعداد ارزیابی عملکرد و میزان موفقیت. اگر تعداد مشکلات حل شود، این روش نیز در نظر گرفته شده است، همچنین دارای کارایی برتر است.