文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于模拟退火算法的改进人工鱼群算法研究
侵权投诉

基于模拟退火算法的改进人工鱼群算法研究

研究人工鱼群算法优化问题,为了改进AFSA优化精度低、运行时间长的问题,借鉴模拟退火算法中的Metropolis判别准则改进了人工鱼的觅食行为,在利用人工鱼全局寻优的同时并利用模拟退火算子实施局部细化,提出了一种改进的人工鱼群优化算法(SA_IAFSA),保持了AFSA算法简单、易实现的特点,克服了人工鱼漫无目的随机游动以及容易陷入局部最优值的缺点,显著提高了算法的运行效率和求解质

算子相结合的人工鱼群算法;文献[]出了基于多 A et 6提 gn的人工鱼群自组织行为算法;文献[]出了一种基于人工 7提鱼群和文化算法的新型混合算法;文献[]出了基于遗传 8提 算法的人工鱼群优化算法。然而以上大部分算法都比较复杂,不是难以实现就是运算时间较长。 本文将类似模拟退火算法 ( i ua dA n an,A) Sm lt n el g S中 e i

2 Se )t p较小时人工鱼的搜索细化明显,容易陷入局部但最优解; 3 T _ u e较小时, ) r nmbr y随机行为突出,有利于全局搜索。 2 2模拟退火算法 .

模拟退火算法

( A)源于固体退火原理,固体加热 S来将至充分高,再让其徐徐冷却,加热时固体内部粒子随温度升高变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,后在常温时达到基态,最内能减为最 小。根据 Me ooi准则, t pl r s粒子在温度 T时趋于平衡的概率

Me ooi判别准则引入到人工鱼的觅食行为中,觅食行 t pl r s对为进行了改进,最后将整个模拟退火算法引入到人工鱼群的 寻优中,在全局寻优的同时能得到精确度更高的解,出了提 一

种基于模拟退火算法的人工鱼群优化算法。

为 e△耵,中 E为温度时的内能,‘ 其 AE为其改变量, k 为 B lman常数。用固体退火模拟组合优化问题,内能 ot n z将

2人工鱼群算法和模拟退火算法 2 1人工鱼群算法 .人工鱼群算法是通过构造人工鱼来模仿鱼群的觅食、聚群、追尾及随机行为,从而实现寻优。 2 .1人工鱼模型的相关定义 .1

E模拟为目标函数值,温度演化成控制参数,,即得到解 组合优化问题的模拟退火算法,具体步骤如下:

1初始温度, )初始解 S每个值的迭代次数为;, 2对 k,…,每一个 k )=1 2, 值都执行 3 6步骤; )~ ) 3对当前状态 S随机扰动产生一个新解 S; )’ 4计算增量 A’= S )- s其中,为目标函数; ) t,(’ f( ), 5若 A’<0则接受 S作为新的当前解, ) t,’否则以概率 e

人工鱼个体的状态 X=(,:…, )其中 (=1 2 。, , i,, …n为需要寻优的变量。人工鱼当前所在位置的食物浓度 )表示为 Y= (,中,目标函数值。人工鱼个体之间的, X)其 y为距离表示为 dI l一 loVsa表示人工鱼的感知范 f= 1 I i l J; u围,t S p表示人工鱼移动的步长, e 8表示拥挤度因子, N为鱼

(。 _接受 S作为新的当前解;’ 6如果满足终止条件,输出当前解作为最优解, )则结束

程序。终止条件通常取为连续若干个新解都没有被接受时 终止算法; 。 7 )T逐渐减少, T=T , -0 0<<1为衰减因 T-, - ̄,

群中鱼的数目。A S初始化一群人工鱼,置迭代次

数 FA设 L, 通过迭代搜寻最优解,在每次迭代过程中,工鱼通过人觅食、聚群、追尾及随机等行为来更新自己。 2 12人工鱼的行为描述 .. 1觅食行为:工鱼当前状态为置, )人在其视野范围内随

子,然后转第 2步。 ) 模拟退火算法与初始值无关,算法求得的解与初始解状态(是算法迭代的起点 )无关;拟退火算法具有渐近收敛模性,已在理论上被证明是一种以概率 1收敛于全局最优解的 全局优化算法。

机选择一个状态,如果在求极小问题中< ( y值越小, 表示食物浓度越高,或在求极大问题中<, 因为极大问 题和极小问题可以互相转换,以下文均以求极小问题讨所论 )则向该方向前进一步,,否则重新随机选择状态,判断

3基于 S的改进 AF A A S 3 1人工鱼觅食行为的改进 .传统人工鱼的觅食行为是在尝试 T— u br y r n m e次后如仍不满足前进条件,则随机移动一步。Ty n m e的设置在一 r— u b r

是否满足前进条件,复 Ty n mbr反 r— u e次后仍不满足前进条 件,则随机移动一步。

2聚群行为:人工鱼当前状态为,索当前邻域 )设探内, d即<Vsa的伙伴数目及中心位置,果 (< il u 如

定程度上使算法跳出了局部极值点,增加了算法的全局搜索能力,但它的值过小或者过大都会影响算法的收敛速度。因此,本文引入模拟退火算法中的 M t pl判别准则,法 er o s o i算 如下:

Y) i并且 (JN< )则表明伙伴中心有较多食物且不太拥 n占, 挤,就朝伙伴的中心位置方向前进一步,否则执行觅食行为。 3追尾行为: )人工鱼当前状态为置,其视野范围内最优的伙伴为,如果视野范围内伙伴数 n满足 n,/N< 位置前进一步;否则执 6同时满足>r,, m则人工鱼向 行觅食行为。

人工鱼当前状态为,在其视野范围内随机选择一个状 态置:

矿 (< ){ 直接移动到} Ele s

4随机行为: )人工鱼当前状态为置,视野范围内随机在 选择一个状态置。

{ dul=/ ;/定义 dul类型变量 t ob t i e L/ ob e / 为人工鱼寻优的最大迭代数,为当前的迭代

次数/L i

5移动策略: )对各人工鱼模拟聚群、追尾行为,然后选择食物浓度值较高的行为来执行,缺省行为为觅食行为。 6公告板: )用来记录历史最优鱼个体的状态。 各参数对算法的影响: 1 Vsa越大越容易发现全局最优解, )il u但精度下降; 一

dul=adm )/求得 0 1 ob r r o (;/ e n—之间的随机数 r I e f一>r (

{以概率 e随机移动一步} f

16— 9

基于模拟退火算法的改进人工鱼群算法研究

上一页第2页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email