健康领域中当前关于磷虾群和重力搜索算法的研究与应用
摘要：自然启发计算（NIC）是一个相对年轻的领域，通过研究自然现象的功能来探索计算的新方法，以解决各种复杂问题。这导致了在合成免疫功能、神经网络、群体智能和进化计算等多个领域进行了创新性研究。NIC技术被应用于生物学、物理学、工程学、经济学和管理学等领域。在现实世界中，元启发算法在分类、优化、预测和聚类等问题以及工程和科学领域中表现出成功、高效且韧性强的特点。目前有两种活跃的NIC算法模式：重力搜索算法和鲸群算法。本文对在医药保健领域使用鲸群算法（KH）和重力搜索算法（GSA）进行了全球和历史的综述。对包括KH和GSA在内的一些其他自然启发算法进行了全面的调查。本文全面评述了KH和GSA算法的各个版本及其在医药保健领域的应用。然而，在医疗保健领域尚未进行KH和GSA的调查研究。因此，本研究对KH和GSA进行了细致的回顾，以帮助研究人员在不同领域使用这些算法或将它们与其他流行算法混合。它还在应用、修改和混合化方面对KH和GSA进行了深入研究。需要注意的是，本研究旨在为医疗保健领域的学术界提供关于GSA和KH的观点，特别是对算法在医疗保健领域的能力和性能感兴趣的研究人员。
作者：Rebwar Khalid Hamad and Tarik A. Rashid
论文ID：2308.01268
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-08-03