Vývoj a modifikace moderních bio-inspirovaných hejnových algoritmů

Ing. Anežka Kazíková

Doctoral thesis

Abstract:

Swarm algorithms have become standard tools of modern optimization. However, the advent of new metaheuristics brought a wave of criticism against the quantity, quality, and novelty of these optimization techniques. This dissertation describes the current trends in development and modification of swarm algorithms, as well as the challenges it includes. For several decades metaheuristic algorithms have fought the very same optimization problems. The issues of stagnation, premature convergence, or low diversity of the solutions are dealt with today as well as in the beginning. The development of new algorithms does not state a change. Rather than genuinely advancing the field, new algorithms raise malpractice awareness in benchmarking. Due to the common low standard of their proposal studies, novel metaheuristics face a significant stigma of general distrust and disrespect. Although the good practice in benchmarking is a very recent topic, most current guidelines stay strictly in theory, i.e., are not applied. This work aims to start a change in this regard. The Author proposes a set of recommendations for new metaheuristic development and implements them in a new swarm algorithm, which was developed with an escape mechanism out of the local optimum containment challenge. The Bison Algorithm showcases problem-oriented development and models current trends and modifications. The connection between theory and practice opens a way toward a new generation of challenges.

Abstract:

Hejnové algoritmy se staly standardním nástrojem novodobé optimalizace. Příliv nových metaheuristik však přinesl kritiku vůči kvalitě, kvantitě a diskutabilní novosti těchto optimalizačních technik. Tato práce se zabývá momentálními trendy hejnových algoritmů v oblasti vývoje a modifikace, ale i nástrahami, které skýtají. Už pres 30 let se metaheuristické algoritmy potýkají se stále stejnými problémy. Otázka stagnace, předčasné konvergence či nízké rozlišnosti řešení je výzvou, která je důležitá dnes stejně jako v počátcích oboru. To nemění ani vývoj nových algoritmu, protože ty mnohdy spíše odkrývají limity stávajících metodologických postupů v benchmarkingu, než aby přispívaly ke skutečnému posunu v optimalizaci. Nové metaheuristiky tak čelí předsudkům a všeobecné nedůvěře. Přestože otázka správných postupů je velmi aktuální, většina současných doporučení zůstává zpravidla v teoretické rovině bez praktické aplikace. To si tato práce klade za cíl začít měnit. Autorka navrhuje sadu doporučení pro vývoj nových metaheuristik, které pak implementuje ve vlastním návrhu hejnového algoritmu s únikovým mechanismem z lokálního optima. Bizoní algoritmus představuje ukázku vývoje orientovaného na konkrétní optimalizační problém a zároveň funguje jako model vybraných aktuálních trendů a modifikací. Spojením teorie s praxí tato práce otevírá cestu k řešení nové generace výzev.

Keywords

Metaheuristická optimalizace, Hejnové algoritmy, Vývoj nových metaheuristik, Benchmarking, Bizoní algoritmus

Language used: English

Date on which the thesis was submitted / produced: 23. 8. 2022

Thesis defence

• Date of defence: 26. 10. 2022
• Supervisor: doc. Ing. Roman Šenkeřík, Ph.D.

Tomas Bata University in Zlín

Faculty of Applied Informatics

Doctoral programme / field:
Engineering Informatics / Engineering Informatics