In the last two decades, the field of global optimization has become very active, and, in this regard, many deterministic and stochastic algorithms were developed for solving various optimization problems. Among them, swarm intelligence (SI) is a stochastic algorithm that is more flexible and robust and has had the ability to find an optimum solution for high-dimensional optimization and search problems. SI-based algorithms are mainly inspired by the social behavior of fish schooling or bird flocking. Among the SI-based algorithms, Bat algorithm (BA) is one of the recently developed evolutionary algorithms. It employs an echolocation behavior of microbats by varying pulse rates of emission and loudness to perform their search process. In this paper, a modified Bat algorithm (MBA) is developed. The main focus of the MBA is to further enhance the exploration and exploitation search abilities of the original Bat algorithm. The performance of the modified Bat algorithm (MBA) is examined over the benchmark functions designed for evolutionary algorithms competition in the special session of 2005 IEEE Congress on Evolutionary Computation. The used benchmark functions include the unimodal, multimodal, and hybrid benchmark functions with high dimensionality. Furthermore, the impact analysis with respect to different values of temperatures is conducted by executing the proposed algorithm twenty-five times independently by using each benchmark function with different random seeds.

中文翻译：

---

解决大规模约束约束全局优化问题的改进蝙蝠算法

在过去的二十年中，全局优化领域变得非常活跃，为此，开发了许多确定性和随机算法来解决各种优化问题。其中，群智能（SI）是一种随机算法，具有更高的灵活性和更强的鲁棒性，并且能够找到针对高维优化和搜索问题的最佳解决方案。基于SI的算法主要受鱼类教育或鸟类聚集的社会行为的启发。在基于SI的算法中，蝙蝠算法（BA）是最近开发的进化算法之一。它通过改变发射和响度的脉冲率来利用微蝙蝠的回声定位行为来执行其搜索过程。本文提出了一种改进的Bat算法（MBA）。MBA的主要重点是进一步增强原始Bat算法的探索和开发搜索能力。在2005年IEEE进化计算大会特别会议上，针对为进化算法竞争而设计的基准功能，对改进的Bat算法（MBA）的性能进行了检验。所使用的基准函数包括具有高维的单峰，多峰和混合基准函数。此外，通过使用具有不同随机种子的每个基准函数，独立执行二十五次所提出的算法，针对不同温度值进行影响分析。在2005年IEEE进化计算大会特别会议上，针对为进化算法竞争而设计的基准功能，对改进的Bat算法（MBA）的性能进行了检验。所使用的基准函数包括具有高维的单峰，多峰和混合基准函数。此外，通过使用具有不同随机种子的每个基准函数，独立执行二十五次所提出的算法，针对不同温度值进行影响分析。在2005年IEEE进化计算大会特别会议上，针对为进化算法竞争而设计的基准功能，对改进的Bat算法（MBA）的性能进行了检验。所使用的基准函数包括具有高维的单峰，多峰和混合基准函数。此外，通过使用具有不同随机种子的每个基准函数，独立执行该算法二十五次，从而对不同温度值进行影响分析。