Academic literature on the topic 'Lion optimisation algorithm'

Abstract The progress of databases in fields such as medical, business, education, marketing, etc., is colossal because of the developments in information technology. Knowledge discovery from such concealed bulk databases is a tedious task. For this, data mining is one of the promising solutions and clustering is one of its applications. The clustering process groups the data objects related to each other in a similar cluster and diverse objects in another cluster. The literature presents many clustering algorithms for data clustering. Optimisation-based clustering algorithm is one of the recently developed algorithms for the clustering process to discover the optimal cluster based on the objective function. In our previous method, direct operative fractional lion optimisation algorithm was proposed for data clustering. In this paper, we designed a new clustering algorithm called adaptive decisive operative fractional lion (ADOFL) optimisation algorithm based on multi-kernel function. Moreover, a new fitness function called multi-kernel WL index is proposed for the selection of the best centroid point for clustering. The experimentation of the proposed ADOFL algorithm is carried out over two benchmarked datasets, Iris and Wine. The performance of the proposed ADOFL algorithm is validated over existing clustering algorithms such as particle swarm clustering (PSC) algorithm, modified PSC algorithm, lion algorithm, fractional lion algorithm, and DOFL. The result shows that the maximum clustering accuracy of 79.51 is obtained by the proposed method in data clustering.

Internet technology has provided an indescribable new way for businesses to attract new customers, track their behaviour, customise services, products, and advertising. Internet technology and the new trend of online shopping have resulted in the establishment of numerous websites to sell products on a daily basis. Products compete to be displayed on the limited pages of a website in online shopping because it has a significant impact on sales. Website designers carefully select which products to display on a page in order to influence the customers’ purchasing decisions. However, concerns regarding appropriate decision making have not been fully addressed. As a result, this study conducts a comprehensive comparative analysis of the performance of ten different metaheuristics. The ant lion optimiser (ALO), Dragonfly algorithm (DA), Grasshopper optimisation algorithm (GOA), Harris hawks optimisation (HHO), Moth-flame optimisation algorithm (MFO), Multi-verse optimiser (MVO), sine cosine algorithm (SCA), Salp Swarm Algorithm (SSA), The whale optimisation algorithm (WOA), and Grey wolf optimiser (GWO) are some of the recent algorithms that were chosen for this study. The results show that the MFO outperforms the other methods in all sizes. MFO has an average normalised objective function of 81%, while ALO has a normalised objective function of 77%. In contrast, HHO has the worst performance of 16%. The study’s findings add new theoretical and practical insights to the growing body of knowledge about e-commerce environments and have implications for planners, policymakers, and managers, particularly in companies where an unplanned advertisement wastes the budget.

L’estimation des matrices origine-destination (OD) est un sujet de recherche important depuis les années 1950. En effet, ces tableaux à deux entrées recensent la demande de transport d'une zone géographique donnée et sont de ce fait un élément clé de l'ingénierie du trafic. Historiquement, les seules données disponibles pour leur estimation par les statistiques étaient les comptages de véhicules par les boucles magnétiques. Ce travail s'inscrit alors dans le contexte de l'installation à Brisbane de plus de 600 détecteurs Bluetooth qui ont la capacité de détecter et d'identifier les appareils électroniques équipés de cette technologie.Dans un premier temps, il explore la possibilité offerte par ces détecteurs pour les applications en ingénierie du transport en caractérisant ces données et leurs bruits. Ce projet aboutit, à l'issue de cette étude, à une méthode de reconstruction des trajectoires des véhicules équipés du Bluetooth à partir de ces seules données. Dans un second temps, en partant de l'hypothèse que l'accès à des échantillons importants de trajectoires va se démocratiser, cette thèse propose d'étendre la notion de matrice OD à celle de matrice OD par lien afin de combiner la description de la demande avec celle de l'utilisation du réseau. Reposant sur les derniers outils méthodologies développés en optimisation convexe, nous proposons une méthode d'estimation de ces matrices à partir des trajectoires inférées par Bluetooth et des comptages routiers.A partir de peu d'hypothèses, il est possible d'inférer ces nouvelles matrices pour l'ensemble des utilisateurs d'un réseau routier (indépendamment de leur équipement en nouvelles technologies). Ce travail se distingue ainsi des méthodes traditionnelles d'estimation qui reposaient sur des étapes successives et indépendantes d'inférence et de modélisation
Origin Destination matrix estimation is a critical problem of the Transportation field since the fifties. OD matrix is a two-entry table taking census of the zone-to-zone traffic of a geographic area. This traffic description tools is therefore paramount for traffic engineering applications. Traditionally, the OD matrix estimation has solely been based on traffic counts collected by networks of magnetic loops. This thesis takes place in a context with over 600 Bluetooth detectors installed in the City of Brisbane. These detectors permit in-car Bluetooth device detection and thus vehicle identification.This manuscript explores first, the potentialities of Bluetooth detectors for Transport Engineering applications by characterising the data, their noises and biases. This leads to propose a new methodology for Bluetooth equipped vehicle trajectory reconstruction. In a second step, based on the idea that probe trajectories will become more and more available by means of new technologies, this thesis proposes to extend the concept of OD matrix to the one of link dependent origin destination matrix that describes simultaneously both the traffic demand and the usage of the network. The problem of LOD matrix estimation is formulated as a minimisation problem based on probe trajectories and traffic counts and is then solved thanks to the latest advances in nonsmooth convex optimisation.This thesis demonstrates that, with few hypothesis, it is possible to retrieve the LOD matrix for the whole set of users in a road network. It is thus different from traditional OD matrix estimation approaches that relied on successive steps of modelling and of statistical inferences

Cette thèse résume le travail que j’ai effectué dans le domaine de l'optimisation des réseaux optiques sans fil. Plus spécifiquement, l'objectif principal de ce travail est de proposer des algorithmes efficaces de dimensionnement de réseau pour assurer la satisfaction du trafic dans un réseau qui subit des pannes partielles de liens (par exemple lorsque certains liens et/ou nœuds sont opérationnels avec une capacité réduite) causés principalement par les conditions météorologiques. Le critère principal pour déterminer l'efficacité des algorithmes proposés est le coût de dimensionnement du réseau tout en maintenant la satisfaction du trafic à des niveaux élevés. Les domaines d'application principale que nous avons à l'esprit sont les réseaux qui utilisent le Free Space Optics (FSO) - une technologie de transmission optique sans fil à large bande où les liens de communication sont assurés au moyen d'un faisceau laser envoyé de l'émetteur au récepteur placé en ligne droite. Les réseaux FSO présentent plusieurs avantages (comme le coût peu élevé, la facilite d'installation, la grande capacité de transmission, etc.), mais le plus grand inconvénient est la vulnérabilité des liens FSO face aux conditions météorologiques, causant une perte substantielle de la puissance de transmission sur le canal optique. Cela rend le problème de dimensionnement du réseau important et difficile. Par conséquent, une approche appropriée du dimensionnement du réseau FSO devrait tenir compte de ces pertes afin que le niveau du trafic transporté soit satisfaisant dans toutes les conditions météorologiques observées. Dans cette thèse, nous avons étudié et développé une telle approche. Dans la première partie de la thèse, nous introduisons un premier problème de dimensionnement, qui a pour objectif d’être le plus général possible et inclue les contraintes les plus importantes. Nous présentons ensuite un algorithme d'optimisation robuste pour ce problème de dimensionnement. Pour construire notre approche, nous commençons par définir un ensemble de défaillances des liens, dit de référence, qui utilise les données météorologiques d’une période donnée pour laquelle le réseau doit être protégé. Ensuite, nous formulons mathématiquement le problème de dimensionnement robuste de réseau qui utilise l'ensemble des pannes de liens ci-dessus. Pourtant, cet ensemble des pannes de référence obtenu contiendra, dans la plupart des cas, un nombre excessif d'états et en même temps ne contiendra pas tous les états qui apparaîtront potentiellement dans le futur. Par conséquent, nous proposons d'approximer cet ensemble par un type spécial d'ensemble de défaillances des liens virtuel (dite ensemble d’incertitude), appelé K-set et paramétré par une valeur entière K, où K est inférieur ou égal au nombre de tous les liens du réseau. Pour un K donné, le K-set contient tous les états du réseau correspondant à toutes les combinaisons de K, ou moins, des liens affectés simultanément. Dans certains cas, il y a des situations où la météo est extrêmement mauvaise et pour lequel nous proposons de construire un modèle de réseau hybride composé de liens FSO et de liens de fibre optique terrestre. La deuxième partie de cette thèse est consacrée à l'amélioration de l’approximation de l’ensemble des pannes de référence via des ensembles de d'incertitude (ou poly-topes d'incertitude). Dans la première partie, nous avons présenté l'idée de K-sets des liens. Maintenant, nous étendons cela en considérant les dégradations simultanées de K nœuds (ce qui signifie la dégradation de tous les liens adjacents)
This thesis summaries the work we have done in optimization of wireless optical networks. More specifically, the main goal of this work is to propose appropriate network dimensioning algorithms for managing the demand and ensuring traffic satisfaction in a network under partial link failures (i.e. when some links and/or nodes are operational with reduced capacity) caused mostly by weather conditions. The primary criterion in deciding the efficiency of the proposed algorithms for the network is the dimensioning cost of the network while keeping the traffic satisfaction at high reasonable levels. The main application area we have in mind are the networks that apply Free Space Optics (FSO) - a well established broadband wireless optical transmission technology where the communication links are provided by means of a laser beam sent from the transmitter to the receiver placed in the line of sight. FSO networks exhibit several important advantages but the biggest disadvantage is vulnerability of the FSO links to weather conditions, causing substantial loss of the transmission power over optical channel. This makes the problem of network dimensioning important, and, as a matter of fact, di cult. Therefore, a proper approach to FSO network dimensioning should take such losses into account so that the level of carried traffic is satisfactory under all observed weather conditions. In this thesis, we firstly describe such an approach. In the first part of the thesis, we introduce a relevant dimensioning problem and present a robust optimization algorithm for such enhanced dimensioning. To construct our approach we start with building a reference failure set which uses a set of weather data records for a given time period against which the network must be protected. Next, a mathematical model formulation of the robust network dimensioning problem uses the above failure set. Yet, such obtained reference set will most likely contain an excessive number of states and at the same time will not contain all the states that will appear in the reality. Hence, we propose to approximate the reference failure set with a special kind of virtual failure set called K-set parameterized by an integer value K, where K is less than or equal to the number of all links in the network. For a given K, the K-set contains all states corresponding to all combinations of K, or less, simultaneously affected links. Sometimes, there are situations where the weather is extremely bad and what we propose is to build a hybrid network model composed of FSO and fiber links. The second part of this thesis is devoted to the improvement of the so-called uncertainty sets (or uncertainty polytopes). In the first part we have introduced the idea of link Ksets. Now we extend this by considering simultaneous degradations of K nodes (meaning degradation of all adjacent links). Finally, inspired by the hitting set problem a new idea was to find a large number of subsets of two or three affected links and to use all possible combinations (composed of 2 or at most 3 of this subsets) to build a new virtual failure set that covers as much as possible the reference failure set that we got from the study of real weather data records. Next, this new failure set will serve as input for our cut-generation xxi algorithm so that we can dimension the network at a minimum cost and for a satisfactory demand realization. A substantial part of the work is devoted to present numerical study for different network instances that illustrates the effectiveness of the proposed approach. A dedicated space is given to the construction of a realistic network instance called Paris Metropolitan Area Network (PMAN)

Ensuring the security of wireless data transmission is a crucial element of intrusion detection systems (IDS) that rely on deep learning and cryptography. Therefore, this study introduces the stochastic quantum bolt-belief neural network (SQB-BNN) and two-fish digital hash cryptography (TFDC). The dataset was first preprocessed using the ProScalar Splash normalisation approach. Subsequently, the Qubit Lion optimisation algorithm (QLOA) is used to extract the attack-related characteristics. The stochastic quantum bolt-belief neural network assists in accurately detecting intruders. Finally, Two-Fish digital hash cryptographic technique ensures the secure storage of data files on the server. The whole experiment was conducted with the KDD Cup dataset under MATLAB environment. Therefore, the research has shown that the proposed method enhanced data storage security by effectively addressing security issues.