前言
这几天学习了一下贫富优化算法。对于这个算法进行了一下测试。
提示:以下是本篇文章正文内容,下面案例可供参考
一、贫富优化算法?
[1]Moosavi S H S, Bardsiri V K. Poor and rich optimization algorithm: A new human-based and multi populations algorithm[J]. Engineering Applications of Artificial Intelligence, 2019, 86: 165-181.
提出一种基于人类行为的新型优化算法。 提议的算法称为 PRO,其灵感来自富人和穷人努力改善他们的经济状况并增加他们的阶级差距(对于富人)和缩小阶级差距(对于穷人)。 尽管近年来提出了许多优化算法,但多种群算法却很少。 本文提出的多种群算法与同类算法的区别在于其优化机制。
PRO是根据一个真实的社会现象设计的,它可以被视为复杂优化问题的解决方案。
二、更新机制
1.富人和穷人
穷人和富人的划分也是基于适应度进行划分。穷人和富人分别作为两个亚种群进行各自的更新。我感觉是类似于将两个粒子群按照两种不同的更新机制进行更新,更新之后对整体的粒子进行整合,对适应度进行排序,然后再次分为两个种群。
1.1富人
富人:适应度的前多少被视为优秀的人,具有更多的财富。富人的更新机制如下式子: