Dual-Stage Guided Artificial Lemming Algorithm (DALA) For Solving Engineering Application Optimization Problems
本文提出了双阶段引导人工旅鼠算法（DALA），该算法通过自适应概率排序、结合对抗学习与拓扑学习的两阶段贪婪策略以及 JADE 变异，增强了传统的 ALA，从而有效地解决高维工程优化问题以及电力负荷预测中的超参数调优问题。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图在一片巨大的、雾气缭绕的森林中寻找一个最完美的地点来搭建营地。你希望视野完美，地面平坦，且没有蚊子。但由于森林过于广阔，雾气又如此浓厚，你无法一眼看清全局。这就是“优化”（optimization）这一学科的日常挣扎——优化是计算机科学的一个分支，旨在从数百万种可能性中寻找单一的最佳解决方案。在现实世界中，这些问题不仅仅关乎营地；它们关乎如何设计使用最少钢材的桥梁，如何调整自动驾驶汽车的大脑，或者如何预测明天一座城市需要多少电力。
为了解决这些谜题，科学家们经常使用“元启发式算法”（metaheuristic algorithms）。可以将这些算法想象成模仿自然解决问题方式的数字探险家。它们并不会检查森林中的每一个角落（因为那会耗费太长时间），而是派出一群虚拟智能体在周围游走，相互学习，并逐渐锁定最佳位置。其中一个流行的探险家是“人工旅鼠算法”（Artificial Lemming Algorithm, ALA），它模仿了真实旅鼠的行为：长距离迁徙、挖掘洞穴、觅食以及躲避捕食者。但即使是这些数字旅鼠也有缺陷：有时它们会困在一个规模较小、水平平庸的区域内，误以为那里就是最好的地方，从而错过了山坡另一头那绝美的景色。
本文介绍了一个更聪明、更升级的版本，称为双阶段引导人工旅鼠算法（Dual-Stage Guided Artificial Lemming Algorithm, DALA）。研究人员来自东北林业大学的高嘉谊和张宇，他们意识到原始的旅鼠显得有些过于僵化。它们不知道何时该停止游荡开始挖掘，也不知道何时该聚在一起，何时该分散开来。为了解决这个问题，他们为这些旅鼠配备了一位“教练”和一个“作战计划”。
首先，他们加入了一个基于排名的自适应概率系统。想象一下旅鼠是一支运动队。在旧版本中，无论表现如何，每个人收到的指令都是一样的。而在 DALA 中，教练会观察记分牌。顶尖选手（即找到了好位置的“精英”旅鼠）被要求集中精力精耕细作其所在的区域——通过更深地挖掘和更细致地检查每一寸土地。而表现不佳的选手（即“底层”旅鼠）则被告知要冒险尝试，向远处奔跑以寻找一个全新的区域。这确保了团队不会在糟糕的位置浪费时间，同时也确保了最佳位置能得到彻底的探索。
其次，他们引入了两阶段贪婪策略。这就像是一个“双重检查”系统。在旅鼠定居于一个新洞穴之前，它不会仅仅相信自己的第一直觉。它会停下来并提出两个问题：“如果我从完全相反的角度来看待这个位置会怎样？”（一种被称为“对立学习”的技术）以及“如果我询问我最近的三个邻居他们的看法会怎样？”（拓扑邻域学习）。如果新想法更好，旅鼠就会采纳它。这有助于算法逃离“局部陷阱”——即那些看起来不错但并非最优的平庸区域。
最后，他们借鉴了另一种算法 JADE 的技巧。有时，即使是最优秀的团队也会陷入常规套路。为了打破这种局面，DALA 会随机注入一点“混沌”，迫使一些旅鼠跳到一个完全陌生且不可预测的新位置。这保持了搜索的新鲜感，并防止整个群体陷入循环。
研究人员使用 29 个标准的复杂数学问题（即 CEC 2017 和 CEC 2020 基准测试）将这种新型“超级旅鼠”与其他八种流行的算法进行了对比测试。结果令人印象深刻：DALA 比其他算法更频繁地找到更好的解，尤其是在处理最困难、最复杂的题目时。不过，DALA 的成功并不仅仅体现在纸面上；团队还利用它解决了五个现实世界的工程挑战，例如设计压力容器（一种承受高压的罐体）和一个机械齿轮系统。在这些测试中，DALA 找到了比其他方法更轻、更便宜或更高效的设计。
或许最令人兴奋的是，他们利用 DALA 来调节一个用于预测用电量的计算机模型的“大脑”。通过为该模型找到完美的设置参数，DALA 帮助其预测负荷的准确度比以前有了显著提升。这表明 DALA 不仅仅是一个理论上的玩具；它是一个强大的工具，可以帮助工程师制造更好的机器，并保持我们的电网平稳运行。虽然研究人员承认该算法仍有成长空间——特别是在如何启动搜索以及如何处理某些类型的复杂混合问题方面——但他们的工作表明，通过赋予数字旅鼠更好的策略，我们可以更有效地解决世界上最棘手的工程难题。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。