Cuckoo-Suche-Algorithmus: Statistikbasierte Optimierungsansatz und technische Anwendungen

In diesem Kapitel wird ein statistikbasierter Cuckoo-Suche-Algorithmus (SCSA) für technische Anwendungen entwickelt. Eine statistische Technik ist in den Cuckoo-Suche-Algorithmus eingebettet, um die Recheneffizienz zu erhöhen. Ein mehrzieliges Optimierungsproblem für ein Kamerapositionierungsgerät wird als Anwendungsfall des SCSA betrachtet. Das Pseudo-Rigid-Body-Modell, ein analytischer Ansatz, wird verwendet, um die Ziel-Funktionen zu etablieren, einschließlich der Verschiebung und der natürlichen Resonanzfrequenz des Geräts. Das Optimierungsproblem für das Gerät wird formuliert, einschließlich Designvariablen, Ziel-Funktionen und Einschränkungen. Die Taguchi-Methode wird dann verwendet, um einen Satz von experimentellen Matrizen zu erstellen, um die Ergebnisqualitätsmerkmale abzurufen. Die Signal-Rausch-Verhältnisse und die Varianzanalyse werden genutzt, um einen neuen Einschränkungsbereich für Variablen zu bestimmen. Basierend auf den Ergebnissen der statistischen Analysen wird ein neuer Anfangspopulationsbereich für den SCSA neu bestimmt. Diese Verfeinerung hilft, die Rechenzeit, die menschliche Arbeit und die Kosten zu reduzieren. Das optimale Ergebnis wird mit dem vorgeschlagenen SCSA-Ansatz gefunden. Ein Prototyp wird erstellt, um die geschätzten Ergebnisse zu überprüfen. Der SCSA-Ansatz wird mit anderen Metaheuristik-Algorithmen verglichen. Die Ergebnisse beweisen, dass die Konvergenzgeschwindigkeit des vorgeschlagenen SCSA besser ist als die anderer Algorithmen wie GA, DE, AEDE, PSO und PSOGSA. Es wird erwartet, dass der vorgeschlagene statistikbasierte Cuckoo-Suche-Algorithmus komplexe Optimierungsprobleme mit mehreren Einschränkungen und mehreren Variablen lösen kann.