교육 경쟁 최적화기

최근 연구에서 메타휴리스틱 전략은 복잡한 최적화를 위한 강력한 도구로 두드러지며 널리 주목받고 있습니다. 본 연구는 다양한 최적화 작업을 위해 생성된 알고리즘인 교육 경쟁 최적화기(ECO)를 제안합니다. ECO는 실제 교육 자원 할당 시나리오에서 관찰되는 경쟁 역학에서 영감을 얻어 이 원리를 활용하여 검색 과정을 정제합니다. 효율성을 더욱 높이기 위해 알고리즘은 반복 프로세스를 초등학교, 중학교, 고등학교의 세 가지 개별 단계로 나눕니다. 이러한 단계적 접근 방식을 통해 ECO는 잠재적 솔루션 풀을 점진적으로 좁혀가며 교육 시스템 내에서 목격되는 점진적인 경쟁을 반영합니다. 이 전략적 접근 방식은 ECO의 탐색과 활용 단계 간의 원활하고 자원 효율적인 전환을 보장합니다. 결과는 ECO가 40의 개체 수로 구성될 때 최적화 성능이 극대화된다는 것을 보여줍니다. 특히, 알고리즘의 최적화 효율성은 개체 수와 엄격한 선형 상관관계를 보이지 않습니다. ECO의 효과성과 수렴 특성을 종합적으로 평가하기 위해, 우리는 ECO를 아홉 개의 최첨단 메타휴리스틱 알고리즘과 비교하는 철저한 비교 분석을 수행했습니다. ECO가 복잡한 최적화 문제를 효율적으로 해결하는 데 놀라운 성공을 거둔 점은 다양한 실제 분야에서의 적용 가능성을 강조합니다. 제안된 ECO에 대한 추가 자원 및 오픈 소스 코드는 https://aliasgharheidari.com/ECO.html 및 https://github.com/junbolian/ECO에서 확인할 수 있습니다.