蝙蝠算法_总结

蝙蝠算法（Bat Algorithm，缩写 BA），是一种元启发式优化算法，是杨新社（音译自：Xin-She Yang）在2010年提出的算法$^{[1]}$。这个蝙蝠算法以微蝙蝠（microbats）回声定位行为的基础，采用不同的脉冲发射率和响度$^{[2]}$$^{[3]}$。

算法描述

把蝙蝠的回声定位理想化，可以总结如下：每个虚拟蝙蝠有随机的飞行速度$v_i$在位置$x_i$（问题的解），同时蝙蝠具有不同的频率或波长、响度$A_i$和脉冲发射率r。蝙蝠狩猎和发现猎物时，它改变频率、响度和脉冲发射率，进行最佳解的选择，直到目标停止或条件得到满足。这本质上就是使用调谐技术来控制蝙蝠群的动态行为，平衡调整算法相关的参数，以取得蝙蝠算法的最优。

算法方程

根据Yang (2010)的文章， 新的解$x_i^t$和速度$v_i^t$更新方程：

$$f_i=f_{\min}+(f_{\max}-f_{\min}) \beta,\\ v_i^t=v_i^t+(x_i^{t-1}-x_*) f_i,\\ x_i^t =x_i^{t-1} +v_i^t. \\ $$

其中，随机数为均匀分布。$x_*$是目前找到最优解。

A和r应该在迭代中变换：

$$A_i^{t+1}=\alpha A_i^t, \\ r_i^{t+1}=r_i^0 [1-\exp(-\gamma t)].$$

其中，$0<\alpha<1$和$\gamma>0$是常数。

算法应用

蝙蝠算法已用于工程设计$^{[4]}$、分类$^{[5]}$等应用。把蝙蝠算法（BA）与遗传算法（GA）、PSO等方法进行比较，并用于训练神经网络，得出的结论清楚显示：蝙蝠算法比其他算法有很好优势$^{[6]}$。

参考文献

[1] X. S. Yang, A New Metaheuristic Bat-Inspired Algorithm, in: Nature Inspired Cooperative Strategies for Optimization (NISCO 2010), Studies in Computational Intelligence, Springer Berlin, 284, Springer, 65-74 (2010). http://arxiv.org/abs/1004.4170
[2] J. D. Altringham, Bats: Biology and Behaviour, Oxford University Press, (1996).
[3] P. Richardson, Bats. Natural History Museum, London, (2008)
[4] X. S. Yang and A. H. Gandomi, Bat algorithm: a novel approach for global engineering optimization, Engineering Computations, Vol. 29, No. 5, pp. 464-483 (2012).
[5] S. Mishra, K. Shaw, D. Mishra, A new metaheuristic classification approach for microarray data,Procedia Technology, Vol. 4, pp. 802-806 (2012).
[6] K. Khan and A. Sahai, A comparison of BA, GA, PSO, BP and LM for training feed forward neural networks in e-learning context, Int. J. Intelligent Systems and Applications (IJISA), Vol. 4, No. 7, pp. 23-29 (2012).

延伸阅读

1.蝙蝠算法的详细的介绍：Yang, X. S., Nature-Inspired Metaheuristic Algoirthms, 2nd Edition, Luniver Press, (2010).
2.蝙蝠算法Matlab/Octave程序