코로나바이러스 최적화 알고리즘: 아카이브 보조 탐색 및 정체 복구를 갖춘 성공 이력 적응형 진화 프레임워크를 통한 전역 최적화
Coronavirus Optimization Algorithm: A Success-History Adaptive Evolutionary Framework with Archive-Assisted Search and Stagnation Recovery for Global Optimization
한국어 초록
본 논문은 상자 제약(box-constrained) 연속 전역 최적화를 위한 SARS-CoV-2에서 영감을 받은 성공 이력 적응형 진화 옵티마이저인 코로나바이러스 최적화 알고리즘(Coronavirus Optimization Algorithm, COA)을 제안한다. COA는 질병 전파를 모델링하지 않으며, 대신 선정된 코로나바이러스 메커니즘을 엘리트 유도 흡인(elite-guided attraction), 시행 벡터(trial-vector) 생성, 적응형 매개변수 변화, 정체 복구, 개체군 크기 스케줄링 등 명시적 탐색 연산자에 매핑한다. 이 알고리즘은 반대 기반 초기화(opposition-based initialization), current-to-pbest 돌연변이, 이항 교차(binomial crossover), 외부 아카이브, 성공 이력 적응, 개체군 축소, 부분 재시작을 결합한다. COA는 15개의 경쟁 옵티마이저와 비교하여 10, 30, 50차원에서 CEC 2017 벤치마크 함수 29개에 대해 평가되었다. 결과에 따르면 COA는 모든 차원에서 전체 Friedman 순위에서 최고를 기록했으며, 특히 composition 함수에서 두드러진 성능을 보였다. 이 결과는 COA가 간결하고 투명하며 경쟁력 있는 적응형 진화 옵티마이저임을 보여 주면서, 일부 hybrid 함수에서의 한계와 추가적인 고차원 검증의 필요성도 함께 드러낸다.
원문 초록
This paper proposes the Coronavirus Optimization Algorithm (COA), a SARS-CoV-2-inspired success-history adaptive evolutionary optimizer for box-constrained continuous global optimization. COA does not model disease transmission; instead, it maps selected coronavirus mechanisms to explicit search operators, including elite-guided attraction, trial-vector generation, adaptive parameter variation, stagnation recovery, and population-size scheduling. The algorithm combines opposition-based initialization, current-to-pbest mutation, binomial crossover, an external archive, success-history adaptation, population reduction, and partial restart. COA is evaluated on 29 CEC 2017 benchmark functions at 10, 30, and 50 dimensions against 15 competitive optimizers. Results show that COA achieves the best overall Friedman rank across all dimensions, with particularly strong performance on composition functions. The findings demonstrate that COA is a compact, transparent, and competitive adaptive evolutionary optimizer, while also highlighting limitations on some hybrid functions and the need for further high-dimensional validation.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
- arXiv:2608.23847v1제출 시각 미확인
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
공통 태그로 연결된 공개 논문이 아직 없습니다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.