Khái niệm cốt lõi
자연 및 생물 모방 최적화 알고리즘의 영감 원천과 알고리즘 행동에 따른 포괄적인 분류 체계를 제안하고, 이를 통해 기존 알고리즘들을 분석하여 유사점과 차이점을 도출하였다.
Tóm tắt
이 연구는 자연 및 생물 모방 최적화 알고리즘에 대한 포괄적인 분류 체계를 제안한다. 첫 번째 분류 체계는 알고리즘의 자연 또는 생물학적 영감을 기반으로 하며, 두 번째 분류 체계는 알고리즘의 행동적 특성에 기반한다.
518개의 알고리즘을 두 가지 분류 체계에 따라 분석한 결과, 알고리즘의 영감 원천과 실제 행동 간에 종종 불일치가 있음을 발견했다. 또한 서로 다른 알고리즘 간 행동적 유사성이 공개된 것보다 더 크다는 것을 확인했다.
이러한 분석을 통해 자연 및 생물 모방 최적화 분야의 현재 상황과 향후 발전 방향에 대한 통찰을 제공한다. 특히 알고리즘 설계 시 실제 문제 해결 능력 향상에 초점을 맞추어야 한다는 점과 알고리즘 간 유사성 분석의 중요성을 강조한다.
Thống kê
자연 및 생물 모방 최적화 알고리즘 논문 수는 2005년부터 2024년 4월까지 지속적으로 증가하고 있다.
518개의 알고리즘 중 가장 큰 비중을 차지하는 것은 군집 지능 기반 알고리즘(53%)이다.
물리 및 화학 기반 알고리즘(14.67%), 사회적 인간 행동 알고리즘(11%), 진화 기반 알고리즘(6.37%) 등이 뒤를 이었다.
Trích dẫn
"자연 및 생물 모방 최적화 분야에서는 새로운 생물학적 설명이 실제 문제 해결보다 우선시되는 경향이 있다."
"알고리즘의 자연 영감과 실제 행동 간에는 종종 불일치가 있다."
"서로 다른 알고리즘 간 행동적 유사성이 공개된 것보다 더 크다."