Jun Yu*, Hideyuki Takagi e Ying Tan
Propomos uma nova estratégia de explosão multicamada inspirada em vários padrões de explosão de retrabalhos reais para acelerar o algoritmo de retrabalhos (FWA). Cada indivíduo refeito conduz múltiplas explosões para explorar cuidadosamente um cenário de fitness local, em vez de uma explosão de camada única utilizada no FWA canónico. Na proposta, cada retrabalho individual gera um pequeno número de faíscas na primeira camada aleatoriamente, depois as faíscas geradas conduzem as explosões da segunda camada para gerar novas faíscas diversas. Estas novas faíscas repetem as operações acima referidas até que o número desta iteração atinja o número máximo de camadas predefinido. Teoricamente, o número de camadas de explosão pode ser definido como qualquer número inteiro positivo, e a estratégia proposta espera gerar várias faíscas potenciais utilizando a estratégia de explosão multicamada sem alterar o número total de faíscas geradas. A estratégia proposta pode ser facilmente combinada não só com o FWA básico, mas também com outras versões de algoritmos FWA e substituir as suas operações de explosão correspondentes para desenvolver uma nova versão, FWA baseado em explosão multicamadas. Para avaliar o desempenho da nossa proposta, selecionámos uma variante mais poderosa do FWA, Enhanced FWA (EFWA) como algoritmo de base e combinámo-la com a nossa estratégia de explosão proposta. Executámos a nossa proposta em 28 funções de benchmark dos conjuntos de testes CEC2013 de 2 dimensões (2-D), 10-D e 30-D com 30 execuções de teste e comparámos com vários algoritmos EC de última geração. Os resultados experimentais confirmam que a estratégia proposta é eficaz e promissora, podendo obter um melhor desempenho para o FWA em termos de velocidade e precisão de convergência. Por fim analisamos a composição, bem como a viabilidade da proposta e listamos alguns temas em aberto.