Hibrit Algoritması

İndirgenmiş {0–1} sırt çantası sorunu (D {0–1} KP), grup yapısı ve öğeler arasındaki indirim ilişkileriyle ilgili bir tür sırt çantası sorunudur. Klasik 0–1 sırt çantası probleminden daha zordur. Daha etkili bir hibrit algoritması olan ayrık hibrit öğretme-öğrenme-tabanlı optimizasyon algoritması (HTLBO), bu makalede D {0-1 KP'yi çözmek için önerilmiştir. HTLBO, öğretme-öğrenme tabanlı optimizasyon (TLBO) algoritması çerçevesine dayanmaktadır. Bir kuaterner vektör ve gerçek bir vektörden oluşan iki demet, HTLBO'daki bir bireyi temsil etmek için kullanılır ve TLBO'nun ayrık optimizasyon problemlerini etkili bir şekilde çözmesini sağlar. HTLBO'nun optimizasyon yeteneğini üç açıdan geliştirdik. Öğrenci evresindeki öğrenme stratejisi, HTLBO'nun keşif yeteneğini genişletmek için değiştirilmiştir. İnsan öğrenme sürecinden esinlenerek, kendi kendine öğrenme faktörleri, algoritmanın sömürülmesini ve araştırılmasını dengeleyen Öğretmen ve Öğrenen aşamalarına dahil edilir. HTLBO'nun küresel arama yeteneğini geliştirmek için iki tür geçit operatörü tasarlanmıştır. Son olarak, önerilen yaklaşımımızı kullanarak 80 örneklik sekiz set üzerinde kapsamlı deneyler gerçekleştirdik. Deney sonuçları, yeni algoritmanın önceki yöntemlerden daha yüksek doğruluk ve daha iyi kararlılığa sahip olduğunu göstermektedir. Genel olarak, HTLBO, D {0–1} KP'nin çözümü için mükemmel bir yaklaşımdır.