Algoritma Cuckoo Search dengan Strategi Ensemble untuk Masalah Optimasi Berkelanjutan

ABSTRAK
Algoritma pencarian kukuk (CS) merupakan teknik optimasi yang sederhana dan efektif. Akan tetapi, algoritma CS dapat menghadapi masalah konvergensi prematur seiring meningkatnya kompleksitas masalah. Untuk mengatasi tantangan ini, sebuah algoritma pencarian kukuk dengan strategi ensemble, yang disebut CSES, disajikan dalam makalah ini. Secara khusus, tiga strategi pencarian baru dengan berbagai properti dirancang untuk meningkatkan daya saing. Setelah itu, menurut gagasan ensemble selektif, metode rolet prioritas digunakan untuk memilih strategi pencarian yang tepat pada fase-fase berbeda dari proses evolusi, sehingga menghasilkan hasil yang lebih menjanjikan. Lebih jauh, evaluasi efektivitas algoritma CSES dilakukan pada 58 fungsi benchmark dari rangkaian uji CEC 2013 dan CEC 2017 dan beberapa masalah dunia nyata termasuk prediksi deret waktu yang kacau dan klasifikasi kesalahan transformator. Hasil simulasi menggambarkan bahwa CSES yang diperkenalkan lebih unggul daripada lima varian CS yang baru-baru ini dikembangkan dalam hal akurasi dan ketahanan pencarian, misalnya, ia memberikan peningkatan kinerja 10 dan 12 kali lebih baik padamathematical equationDanmathematical equationoptimalisasi benchmark CEC 2013, dan menghasilkan peningkatan kinerja 19 dan 11 yang lebih baik padamathematical equationDanmathematical equationoptimasi benchmark CEC 2017, masing-masing. Selain itu, CSES juga menunjukkan lebih banyak keunggulan dibandingkan dengan beberapa metode evolusi lanjutan lainnya, termasuk algoritma optimasi kupu-kupu (BOA), pengoptimal kumbang kotoran (DBO), optimasi pencarian belut listrik (EEFO), pencarian ubur-ubur (JS) dan pengoptimal kuda liar (WHO), dan menghasilkan 25 peningkatan kinerja yang lebih baik padamathematical equationoptimalisasi tolok ukur CEC 2013.