2018-4-17论文《狼群算法的研究与应用》笔记2 :高维复杂单目标连续优化问题的改进狼群算法

高维复杂单目标函数优化问题之所以难的原因:

(1)维度的增加,搜索空间的呈现指数级的增加,即使在算法的种群规模确定的情况下,优质可行解的比例也是相对比较小的吧,从而使得获得有直接的概率减小(自己是这样理解的。总感觉维度的增加的目的是获得更好的解,也就是说随着纬度的增加解得约束更多,获得优质解的概率更小)

(2)群体智能算法的寻优时间相对比较长,也就是寻优精度会受到进化次数的影响。在时间的制约下,即使算法可以面面俱到,但是现实的结果可能也会促使放弃。贴上实用性不高的标签(比如网页中的3秒,通常是客户等待的最大阈值)

(3)随着维度的增加,算法的收敛速度会降低,使得算法不能再有限的时间完成操作

(4)有多局部最优解的存在

逻辑模式:

****算法也不可避免上述问通过实验与分析发现,造成算法易陷入局部最优的原因有两个:第一,整个狼群的搜索行为过度依赖头狼的位置,容易造成猎物群多样性下降;第二,狼群算法的参数设置较多,不易控制,如果参数设置不当,容易造成算法寻优精度不高或不收敛的情况。造成算法收敛速度慢的原因有两点:第一,算法的寻优过程分为游走、奔袭和围攻,但人工狼之间缺少必要的信息交流,造成算法全局性不高,过于分散;第二,围攻行为步长恒定,如果步长设置不当,会造成算法无法准确围攻目标,导致算法收敛性下降。基于上述原因...........+设计思想

设计了1.交互游走行为与交互召唤行为,使得探狼、猛狼进行信息交流,有助于人工狼更好的掌握全局信息,保证狼群多样性,提高狼群寻优能力;为了加速收敛速度,为狼群围攻行为设计了自适应围攻行为,根据狼群离猎物的远近,自适应的调节围攻步长,使得算法调节能力强

改进的主要的策略(1)游走行为交互策略(2)奔袭行为的交互策略(3)狼群围攻的自适应策略


交互游走行为

(1)探狼是随机 进行选择h个方向然后进行的,但是互相之间并没有交流,会不会之间就是存在的重复?可以记录自己找过的方向和位置。在文章中使用gbest导向作用。公式:

在最初的游走是为了获得猎物,所以在游走的过程是根据气味浓度,会得到看到猎物,然后根据猎物


伪代码:


交互奔袭行为


自适应围攻行为



总体 论文在ch


在看到论文的改进的时候,觉的很有道理。到后来的虽然看完了,但是不在状态,有些理解不了。在交互游走的时候,那个获得就是交互的猎物? 以及产生h+1猎物。目前不懂

阅读更多
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/luolang_103/article/details/79972079
个人分类: 智能算法
上一篇2018-4-17论文《狼群算法的研究与应用》笔记1 智能算法简介;狼群算法国内外研究现状以及参看文献
下一篇2018-4-18《给孩子讲量子力学》
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭