本文介绍了蜻蜓算法（DA），一种受蜻蜓集群行为启发的优化算法。算法基于分离、列队、凝聚、觅食和逃离五种行为，适用于全局搜索和局部开发。在优化过程中，通过调整邻域半径和行为权重来平衡搜索。尽管存在易陷局部最优和收敛速度慢的缺点，蜻蜓算法因其简单的原理和较少的参数而受到关注。文章还展示了算法的实现步骤和案例。
文章目录
一、蜻蜓算法
1.1 算法介绍
蜻蜓(蜻蜓属)是奇特的昆虫。世界上有近3000种不同的昆虫。如下图所示，蜻蜓的生命周期包括两个阶段：若虫和成虫。它们一生中大部分的时间都是若虫期，经过变形变成成虫。
蜻蜓被认为是一种小型捕食者，它捕食自然界中几乎所有的小昆虫。若虫也捕食其他海洋昆虫，甚至是小鱼。有趣的是蜻蜓独特而罕见的群集行为。蜻蜓聚集的目的只有两个：狩猎和迁徙。前者称为静态(摄食) 群，后者称为 动态(迁徙)群。
2015年提出的蜻蜓算法（DA）算法的主要灵感来源于静态和动态的集群行为。蜻蜓算法（DA）是在粒子群（PSO）的框架下开发的，因此作者提出两个向量：位置向量和步长向量 ，步长向量类似于 PSO 中的速度向量，位置向量表示蜻蜓运动的位置。蜻蜓算法通过改变它们的权重，从静态过渡到动态，即全局搜索过渡到局部开发来收敛，同时随着优化过程的进行，蜻蜓倾向于看到更多的蜻蜓来调整飞行路径。
在静态群体中，蜻蜓组成小群，在一小块区域内来回飞行，以捕食其他飞行猎物，如蝴蝶和蚊子。局部运动和飞行路径的突变是静态
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
