VNBA:一种改进的变邻域搜索全局优化蝙蝠算法
参考文献
《An Improved Bat Algorithm with Variable Neighborhood Search for Global Optimization》
要点
蝙蝠算法是受自然界蝙蝠回声定位的启发,新提出的一种生物启发的元启发式算法。但是BA可能偶尔会找不到全局最优解。本文将一种经典的搜索技术——可变邻域搜索(VNS)作为一种局部搜索工具引入到BA中。提出了一种改进的变邻域蝙蝠算法。在VNBA中,经典BA作为全局搜索工具对整个空间进行全局搜索,这样可以显著缩小搜索空间。随后,VNS作为一种局部搜索工具被应用,以在小的有希望的区域内找到最终的最佳解。
一、引言
一种被称为可变邻域搜索(VNS)的锥形搜索技术最初被提出用于组合优化问题,通过分析为什么不同的运行对于大多数元启发式算法产生不同的结果。在VNS中,邻域可以在优化过程中动态调整。
在本文中,通过引入VNS作为局部搜索工具来生成BA的增强版本,对基本BA进行了改进。据此,提出了变邻域蝙蝠算法。在VNBA中,在前期搜索阶段,经典BA作为全局搜索工具,对整个空间进行全局搜索。这样做是因为BA的探索性很强,这种探索性搜索可以显著缩小搜索空间。随后,VNS作为一种局部搜索工具被实施,以在小的有希望的区域内找到最终的最佳解。这本质上是一个剥削阶段。这样,VNBA通过调整响度和脉率,使用基本BA和VNS比BA能做出更好的平衡。
二、准备工作
A、蝙蝠算法
受自然界中蝙蝠回声定位的启发,蝙蝠算法被开发为圆锥形群体智能元