社会文化算法：启发式技术与社会行为模型模拟的跨代社会进化解决问题

软计算快报3（2021）100030社论：社会文化启发的元哲学社会文化算法属于Meta分析的范畴，其灵感来自于通过社会互动相互学习而在人类中观察到的自然和社会倾向[3，4]。受人类社会进化的启发，社会行为模型是该领域的最新发展。自然启发的元哲学[5它是一个强大的算法-rithmic框架来模拟进化系统中的自适应，该框架提供了有助于有效地探索搜索空间的指导策略。社会生物具有一种内在的能力，可以通过利用自己的技能以及通过相互学习和交流观察种群中的其他个体而获得的技能来集体解决自然界中的问题。这一过程有助于文化物种经历社会文化转型，并进化以解决相对而言单个个体可能很难解决的问题。这种跨代的持续社会进化改善了学习或趋同，从而产生了更好的文化物种，即，最优解的近似解。这期特刊旨在传播社会文化领域的原创性、开拓性和最先进的知识和发展，以解决各种问题。本期共发表三篇论文第一纸‘Application of Swarm Robotic System in a Dynamic Environment usingCohort Intelligence在考虑动态环境的情况下，实现了机器人群体的避障和路径规划 在 外星 建立。 它 是 一 显著改善版本[8]，考虑环境的静态性质的理想场景。对无障碍物、静止障碍物、单动态障碍物、多动态障碍物同速度、多动态障碍物异速度等几种情况进行了有效求解。机器人偶尔陷入非凸障碍物的问题也得到了解决，使用特定问题的启发式技术。第二篇论文‘Investigation on Biomedical Waste Management of Hospitals UsingCohort Intelligence Algorithm更具体地说，CI算法已成功地应用于与生物医学废物相关的路线优化，其目的是避免生物医学废物的任何有害影响。这些废物对人类和环境的影响。几个现实世界的情况下，已经解决了验证算法的适用性。[9]，在论文“使用数据”中提出了一种定制的文化算法微阵列数据中基因选择的复杂性度量和进化文化算法。更具体地说，一个新的两阶段框架，以面对灾难的维数在微阵列数据使用数据复杂性措施和定制的文化算法https://doi.org/10.1016/j.socl.2021.1000302021年12月7日在线发布被求婚了该算法结合了一个静态的信念空间与遗传算法。它有助于减少搜索空间，并进一步优先考虑重要的基因，从而解决方案。通过与几种现代算法的性能比较，验证了该方法的有效性.我们希望读者会发现这个问题是有意义和有用的。此外，在这个问题上的贡献可能会打开几个途径，在解决复杂的问题，更有效地以及进一步修改这些al-tax包括杂交。特刊编辑感谢审稿人的意见，这些意见使论文得到了很大的改进。最后，衷心感谢《软计算快报》的主编T。W.廖先生允许并提供了一个丰富的平台来组织该问题。引用[1] 作者声明：David G. Agrawal，S.S Kolekar，使用队列智能算法对医院生物医疗废物管理的调查，软计算。Lett. 2（2020年）。文件ID100008。[2] P. Bannur，P. Gujrathi，K. Jain，A.J. Kulkarni，群机器人系统的应用在动态环境中使用队列智能，软计算。Lett. 2（2020年）。文件ID 100006。[3] A.H. Kashan，约束全局优化的一种有效算法及其在机械工程设计中的应用：联赛冠军算法（LCA），Comput. 辅助设计 43（12）（2011）1769-1792。[4] A.J. Kulkarni，G.Krishnasamy，A.Abraham，Cohort Intelligence：A Socio-InspiredOptimization Method，Intell。系统参考文献Lib. 114（2017）。斯普林格。[5] H.C.郭振雄林，文化进化算法及其在全局优化中的应用，J。 Appl. Res.Technol. 11（4）（2013）510-522。[6] W. Lv，C. He，D. Li，S. Cheng，S. Luo，X.张，竞选活动优化算法，ProcediaComput。Sci. 1（1）（2010）1377-1386。[7] T. Ray，K.M. Liew，Society and Civilization：An Optimization Algorithm Based ontheSimulation of Social Behavior，IEEE Trans. 评价Comput. 7（4）（2003）386-396。[8] P. Roychowdhury，S.梅赫拉河，巴西-地Devarakonda，P.Shrivastava，S.巴苏，A.J.Kulkarni，自组织多智能体协作机器人系统：队列智能算法的应用，Kulkarni，A.J.，辛格，P.K.，Satapathy，南卡罗来纳州，侯赛因扎德，K.一、Tai，K.（编），在：社会文化启发的元认知学，计算智能研究，828，施普林格，2019年，第100页。 27比40[9] S. Sarbazi-Azad，M.S. Abadeh，M.E. Mowlaei，使用数据复杂性度量和进化文化算法在微阵列数据中进行基因选择，软计算。Lett. 2（2020年）。 文件ID 100007。AnandJ Kulkarni博士a，*，Ali Husseinzadeh Kashan博士ba共生国际地址：Pune 412115，MH，Indiab工业和系统工程学院，Tarbiat Modares伊朗德黑兰大学*通讯作者。电子邮件地址：anand. sitpune.edu.in（D. A. J. Kulkarni），A.kashan@modares.ac.ir（D.A.H. Kashan）。2666-2221/© 2021由Elsevier B. V.出版这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表软计算快报杂志首页：www.sciencedirect.com/journal/soft-computing-letters