Minimizing the cost of staff assignment using HHO and ACO algorithms

In this research, two population-based, nature-inspired optimization paradigms were described, dubbed ‘’Harris Hawks Optimization’’ (HHO) and ‘’Ant Colony Optimization’’ (ACO). The real inspiration of HHO is the cooperative behavior and pursuing technique of Harris’ hawks in nature, termed "surprise pounce." At the same time, ACO is inspired by observing the behavior of actual ants. Those two natural movements were mathematically modeled to create optimization algorithms. The effectiveness of HHO and ACO optimizers is checked throughout comparisons that show that the HHO algorithm provides better results when the comparison is based on test functions, while for the case study treated, which is the planning of schedules and the minimization of the cost of staff assignment, ACO is better.

Dans cette recherche, deux paradigmes d’optimisation basés sur la population et inspirés de la nature ont été décrits, appelés ‘’Harris Hawks Optimization’’ (HHO) et ‘’Ant Colony Optimization’’ (ACO). La véritable inspiration de HHO est le comportement coopératif et la technique de poursuite des buses de Harris dans la nature, appelée "bond surprise". Dans le même temps, l’ACO s’inspire de l’observation du comportement de fourmis réelles. Ces deux mouvements naturels ont été modélisés mathématiquement pour créer des algorithmes d’optimisation. L’efficacité des optimiseurs HHO et ACO est vérifiée à travers des comparaisons qui montrent que l’algorithme HHO fournit des résultats prometteurs et compétitifs au niveau des fonctions tests, tandis que pour l’étude cas traité, qui est la planification des horaires et la minimisation du coût d’affectation du personnel, ACO est meilleur.

ACO-HHO-Algorithm-Optimization-Metaheuristic-Staff assignment

ACO-HHO-Algorithme-Optimisation-Métaheuristique-Affectation du personnel