序文
機械、電子機器、およびコンピューターに関する限り、科学研究に携わる小さなパートナーは、優れたアルゴリズムが科学研究論文の主要なイノベーション ポイントであることが多いことを知っておく必要があります。毎年、多くのアルゴリズムが次々と登場し、アルゴリズムの相互統合とそれぞれの利点の吸収はもはや新しいものではありません。今日は、アルゴリズムのアイデアをみんなにお勧めします. まだ研究者は誰も考えていません. たとえそれが使用されていなくても、収集して学ぶ価値があります!
詳細については、テキストを参照してください。
記事ディレクトリ
1. インテリジェントな最適化アルゴリズム: ブラック ウィドウ アルゴリズム (スパイダー)
アルゴリズムは、このブログ ➡ (ここをクリック: 「インテリジェント アルゴリズム研究所 (Jack Xu)」の元記事) から来ています。
1.1 アルゴリズムの原理
1.1.1 母集団の初期化
クロゴケグモの集団の初期化は、他のインテリジェントな最適化アルゴリズムと一致しており、集団は境界範囲内でランダムに初期化されます。
1.1.2 スパイダーの動き
クロゴケグモはグリッド内を直線的かつらせん状に移動し、位置の更新は公開で見ることができます (1)。
1.1.3 フェロモン
フェロモンは、クモの求愛プロセスにおいて非常に重要な役割を果たします。クモの食事と、糸の質と量に影響を与えるフェロモン信号の変化との間に関連性が示されました。言い換えれば、十分に餌を与えられたメスのクモは、空腹のメスよりも多くの糸を生産しました. オスのクモは、十分に栄養を与えられたメスが分泌する性フェロモンに対してより敏感である. オスのクロゴケグモは、より繁殖力のあるメスを探すよりも共食いを避けようとします。性フェロモンだけでも、メスの最近の摂食履歴に関する洞察が得られ、フィールドで選択を表明するオスのコストが削減される可能性があります。したがって、オスのクモは、フェロモンのレベルが低いメスのクモを好みません。
クロゴケグモのフェロモン率値は、式 (2) に従って計算できます。
1.2 アルゴリズム処理
ステップ 1: 母集団を初期化して適合度関数の値を評価します。
ステップ 2: パラメータ m と β をランダムに生成します。
ステップ 3: 乱数 rand を生成し、式 (1) によってブラック ウィドウの位置を更新します。
ステップ 4: 式 (2) に従ってフェロモンを計算します。
ステップ 5: 式 (3) に従って、情報レベルの低いブラック ウィドウの位置を更新します。
ステップ 6: 適合度関数の値を再評価し、最適なブラック ウィドウの位置と最適解を更新します。
ステップ 7: 反復の最大数が満たされているかどうかを判断します。満たされている場合は、最適なブラック ウィドウの位置とグローバル最適解を出力します。そうでない場合は、ステップ 2 に戻って繰り返し再計算します。
1.3 参考文献
[1] Adrián F. Peña-Delgado 他。三相 11 レベル インバーターの選択的高調波除去に適用される、生物にヒントを得た新しいアルゴリズム [J]。エンジニアリングの数学的な問題、巻。2020 年、記事 ID 8856040、10 ページ。
2.インテリジェント最適化アルゴリズム：灰色オオカミ最適化アルゴリズム（雌オオカミ）
アルゴリズムはこちらのブログから ➡ ([ここをクリックしてください: 「知能アルゴリズム研究会 (Jack Xu)」の元記事] )
2.1 アルゴリズムの原理
灰色オオカミはイヌ科に属し、頂点捕食者と見なされ、生物圏の食物連鎖の頂点に位置しています。ほとんどのハイイロオオカミは群れで生活することを好み、各群には平均で 5 ～ 12 匹のオオカミがいます。特に興味深いのは、図 1 に示すように、非常に厳密な社会的ヒエラルキーを持っていることです。ピラミッドの最初のレベルは、α と呼ばれる集団のリーダーです。オオカミでは、αは管理能力を持つ個体であり、主にグループ内での狩猟、いつどこで寝るか、食物の分配などを担当します。ピラミッドの第2層は、βと呼ばれるαのシンクタンクチームです。β は、主に α の意思決定を支援する役割を担っています。ウルフパック全体のαに欠員が生じた場合、βがαの地位を引き継ぐ。ウルフパック内でのβの支配力はαに次ぐもので、αの命令を他の隊員に伝えたり、他の隊員の執行状況をαにフィードバックしたりする橋渡しをしている。ピラミッドの第3層はδで、δはαとβの意思決定命令に従い、主に調査、歩哨、ケアを担当します。適応度の低いαとβもδに還元されます。ピラミッドの一番下は ω で、これは主に人口の内部関係のバランスに関与しています。
下の写真は灰色オオカミの社会的ヒエラルキーを示しています
。さらに、集団での狩猟は、灰色オオカミのもう 1 つの魅力的な社会的行動です。ハイイロオオカミの社会的階級は集団狩猟プロセスにおいて重要な役割を果たし、捕食プロセスはαのリーダーシップの下で完了します。ハイイロオオカミの狩猟は、主に次の 3 つの部分で構成されています:
1) 獲物に忍び寄り、追いかけ、近づく;
2) 獲物を追いかけ、取り囲み、動けなくなるまで嫌がらせをする;
3) 獲物を攻撃する
2.1.1 周囲の獲物
狩猟の過程で、獲物を切り上げる灰色オオカミの行動は次のように定義されます。
2.1.2 狩猟
灰色オオカミは、獲物の位置を特定して取り囲むことができます。灰色オオカミが獲物の位置を認識すると、βとδはオオカミを導き、αのリーダーシップの下で獲物を取り囲みます。最適化問題の決定空間では、最適解 (獲物の位置) に関する知識はありません。したがって、ハイイロオオカミの狩猟行動をモデル化するために、α、β、および δ が獲物の潜在的な位置についてより良い知識を持っていると仮定します。これまでに得られた 3 つの最適解を保存し、これら 3 つの位置を使用して獲物の位置を決定し、同時に他のハイイロオオカミ個体 (ω を含む) に最適解の位置に従って位置を更新させます。灰色オオカミの個体、徐々に獲物に近づきます。オオカミの群れの個体が獲物の位置を追跡する仕組みを下図に示します。
2.1.3 獲物を攻撃する (開発)
2.1.4 獲物を探す（プロスペクティング）
2.2 アルゴリズムフローチャート
3. インテリジェント最適化アルゴリズム: 人工蜂コロニー アルゴリズム (スズメバチ)
アルゴリズムはこのブログから来ています ➡ (ここをクリック: CSDN ブロガー "jiehaoxiang" による元の記事] )
ハチコロニーアルゴリズムの紹介
- 人工蜂コロニーアルゴリズムは、蜂の行動を模倣して提案された最適化手法であり、群知能の考え方を具体的に応用したものです。
- 主な特徴は、問題の特別な情報を知る必要はなく、問題の長所と短所を比較するだけでよいということです.個々の人工蜂の局所最適化動作を通じて、全体的な最適値が最終的に強調表示されます群であり、比較的収束速度が速い。
- 多変量関数最適化問題を解決するために、Karaboga は 2005 年に人工蜂コロニー アルゴリズム ABC モデルを提案しました。
3.1 ミツバチが蜜を集める仕組み
ミツバチは社会性を持った昆虫であり、一匹の昆虫の行動は極めて単純ですが、単純な一個体からなるコロニーは非常に複雑な行動をとります。本物のミツバチの個体群は、どんな環境でも効率よく食物源（花）から蜜を集めることができると同時に、環境の変化に適応することができます。
ミツバチのコロニーによって生成される群知能の最小探索モデルは、食料源、雇用されたミツバチ、失業中のミツバチの 3 つの基本要素で構成されます。最も基本的な 2 つの行動モデル:ミツバチを食料源にリクルートする、ミツバチを食料源にリクルートする、食料源を放棄する.
(1) 食料源 食料源
の価値は、巣箱からの距離、含まれる蜜の量、蜜の入手のしにくさなど、多くの要因によって決まります。上記の要因のそれぞれを表すために、単一のパラメータ、食料源の「収量」が使用されました。
(2) 雇われた蜂は
ガイドビーとも呼ばれ、集めた餌と一対一で対応します。主要なミツバチは、食物源に関する関連情報 (巣箱からの相対的な距離、食物源の方向と豊富さなど) を保存し、この情報を一定の確率で他のミツバチと共有します。
(3)
食料源を見つけて利用することを主な任務とする無職のミツバチ。無職のミツバチには、スカウトとフォロワーの 2 種類があります。スカウト ミツバチは近くにある新しい食料源を探します。フォロワー ミツバチは巣の中で待機し、関連情報をリード ミツバチと共有して食料源を見つけます。一般に、偵察蜂の数はコロニーの 5% ～ 20% です。
グループインテリジェンスを形成する過程で、ミツバチ間の情報交換は最も重要なリンクです。ダンスエリアは巣箱の中で最も重要な情報交換の場です。ミツバチのダンスはスウィングダンスとも呼ばれます。食物源の情報は、手を振るダンスの形でダンスエリア内の他のミツバチと共有されます. 主導的なミツバチは、手を振るダンスの持続時間を通じて食物源の収量を表現するため、従者のミツバチは多数のダンスを観察して選択することができます.収穫量に応じてどの食料源が蜂蜜を集めますか. 収益率は、食料源が選択される確率に比例します。したがって、ミツバチが食物源に動員される確率は、食物源の収量に比例します。
最初の瞬間、ミツバチは偵察ミツバチの邪魔をします。その検索は、システムの事前知識によって決定することも、完全にランダムにすることもできます。偵察のラウンドの後、ミツバチが食料源を見つけた場合、ミツバチは自分のストレージ容量を使用して位置情報を記録し、蜂蜜の収集を開始します。この時点で、ミツバチは「従業員」と呼ばれます。
ミツバチは、食料源から蜂蜜を集めた後、巣箱に戻って蜂蜜を降ろします。その後、次のオプションがあります。
- 無職のミツバチになるために食料源をあきらめる。
- スウィング ダンスを踊って、対応する食料源のミツバチをさらに集めてから、食料源に戻って蜂蜜を集めます。
- リクルートせずに食料源で蜂蜜を収穫し続けます。
雇用されていないミツバチには、次のオプションがあります。
- 偵察蜂に変身し、巣箱の近くの食料源を検索します。その検索は、事前の知識または完全にランダムに決定できます。
- ワグルダンスを観察した後、従蜂として雇われ、対応する食料源エリアを探して蜂蜜を集め始めました。
3.2 ABCアルゴリズムの原理
基本的な ABC アルゴリズムでは、人工蜂のコロニーには 3 種類の個体 (雇われた蜂、観察蜂、偵察蜂) が含まれます。
雇われた各ハチは、ある蜜源（解ベクトル）に対応し、反復で蜜源のフィールドを検索します。
蜜源の豊富さ（適応値の大きさ）に応じて、ルーレット方式で観察蜂を雇って蜜を集めます（新たな蜜源の探索）
更新を繰り返しても蜜源が改善されない場合、蜜源は放棄され、雇われたミツバチは偵察蜂に変わり、新しい蜜源をランダムに検索します。
(1) ハニーソースの初期化 初期
化中に、SN 実行可能解 (雇ったミツバチの数に等しい) をランダムに生成し、適合度関数の値を計算します。実行可能な解をランダムに生成するための式は次のとおりです。
(2) 新しい蜂蜜ソースの更新検索式
(3) 観察ミツバチが雇われたミツバチを選択する確率
(4) 斥候蜂の生成
アルゴリズムが局所最適に陥らないように、限界反復回数で蜜源が改善されない場合、蜜源は破棄され、蜜源は式 (1) に従って、元の蜂蜜源を置き換える新しい位置がランダムに生成されます。
3.3 制御パラメータ
- 蜜源の数 (雇用されたミツバチまたは観察ミツバチに等しい) SN
- アルゴリズムが終了する最大評価数 MEN
基本的な ABC アルゴリズムの流れ:
(1) 式 (1) i=1,2,...,SN に従って母集団の解 xi を初期化します。
(2) 集団内の各ミツバチの適応度を計算する
(3) サイクル=1
(4)繰り返し
(5) 雇用されたミツバチは、(2) に従って新しい解 vi を生成し、適合値を計算します。
(6)雇われた蜂は貪欲な戦略に従って蜜源を選ぶ
(7) 式 (3) に従って、ハチミツ源 xi を選択する確率 pi を計算します。
(8) 観測蜂は確率 pi に従って蜜源 xi を選択し、式 (2) に従って蜜源の近くに新しい蜜源 vi を生成し、新しい蜜源 vi の適合値を計算します。
(9) 観察ミツバチは貪欲なアルゴリズムに従って蜜源を選択する
(10) 廃棄する必要のあるネクターソースがあるかどうかを判断し、存在する場合は式 (1) に従って、それを置き換えるネクターソースをランダムに生成します。
(11) 最適解の記録
(12) サイクル = サイクル + 1
(13) cycle=MCNまで
3.4 アルゴリズムを改善する方法
(1) 新しい蜂蜜源の検索フィールドにおける式 (2) の改善 (例: 他のトポロジー近傍)
(2) 観測ミツバチが採用ミツバチを選択する確率の式(3)の改善（例：動的）
フォーカス: イノベーションの統合
方法 1 (ハイブリッド)
いわゆるハイブリッド法とは、3 つのアルゴリズムのそれぞれの利点を組み合わせたもので、各アルゴリズムはいくつかの最適化ステップを抽出しますが、この方法は最も難しく、実装が困難です。
方法 2 (並列)
いわゆる並列法とは、3 つのアルゴリズムを同時に探索することを指し、最大値を求める問題であれば、最終的にこれら 3 つのアルゴリズムで得られた最大値に対応する解を見つけます。
方法 3 (シリアル)
いわゆる逐次型とは、あるアルゴリズムを先に実行し、次に別のアルゴリズムを実行し、最後にあるアルゴリズムを実行することを意味し、最適解と局所最適解を理解します。
要約する
上記の 3 つの方法をまとめると、Spider Mother Wasp Algorithm . このアルゴリズムは、エベレスト山と同義の関係にあります. この名前は、このアルゴリズムがいつか世界一のアルゴリズムになることを意味しています.トップ?? 予想！! !
最後に、この記事の内容があなたにとって役に立ったり、刺激を与えたりする場合は、気に入ってブックマークしてサポートしていただけると幸いです.どうもありがとう. あなたの励ましは私にとって最大のサポートです!