Swarm Intelligence の概要
Swarm: 相互作用する組織またはエージェントの構造化されたコレクション。人々は社会性昆虫の集団行動を「群知能」と呼んでいます。つまり、知能の低い個体が協力することで知能の高い行動の特徴を示すのです。
群知能アルゴリズムは、生物学的集団の行動規則に基づいたコンピューティング技術です。
粒子群の最適化
基本的な粒子群アルゴリズムの説明
粒子の速度と位置の更新
フローチャート
パラメトリック分析
慣性重量w
粒子の運動慣性を維持することは、粒子自体の運動の現在の状態に対する粒子の信頼も表します。w が大きいほど局所極値からの飛び出しが促進され、w が小さいほどアルゴリズムの収束が促進されます。
慣性重み w の改善: 反復が進むにつれて、w の値が直線的に減少します。
加速係数 c1 および c2
パーティクルのアクションが、そのパーティクル自身の経験の一部と他のパーティクルの経験の一部に由来することを示します。
加速係数 c1 および c2 の改善
c1 と c2 を 1 つの制御パラメータに統合します、φ= c1+c2;
φ が小さい場合、粒子の群れの軌道は非常に遅くなり、φ が大きい場合、粒子の位置は非常に速く変化します。
φ=4.0(c1=2.0、c2=2.0)の場合、良好な収束効果が得られます。
粒子数
通常は 20 ~ 40 が一般的ですが、より難しい問題や特定の種類の問題の場合は 100 ~ 200 が受験される場合があります。
最高速度 vmax
サイクル内のパーティクルの最大移動距離を決定します。通常はパーティクルの範囲幅として設定されます。
アリコロニーアルゴリズム
TSP 問題を例として、アリのコロニー アルゴリズムを説明します。
アリの数を m、都市の数を n、都市 i と都市 j の間の距離をユークリッド距離、時刻 t における都市 i と都市 j の間の連絡路のフェロモン濃度を τ(i, j とする) )
アルゴリズムの初期時点では、各都市接続パスのフェロモン濃度は同じ値であり、n 個の都市に m 個のアリが配置されていると仮定します。
αはフェロモン重要度係数です。β はヒューリスティック関数の重要度係数です。Tabuk はタブー テーブルであり、訪問した都市のコレクションを示します。
5. アリが現在の都市から次の都市を訪れる確率を求めた後、通常ルーレット方式で次の都市を選択しますが、確率が高いほど選択される可能性が高くなります。
6. すべてのアリが訪問を完了すると、各パスのフェロモンが更新され、フェロモンの式が次のように更新されます。
7. アリがフェロモンを放出する問題には、次の 3 つのモデルがあります。
これら 3 つのモデルは、経路の全体情報 (アリが訪れる経路の全長) とローカル情報 (アリが訪れる都市間の距離) に対応しており、経路情報は考慮されていません。
8. 以下の TSP 問題を最適化するために、アリ サイクル システム モデルが選択されます。つまり、経路全体の情報経路が短いほど、放出されるフェロモンの程度が高くなります。
アリコロニーアルゴリズムの改良
-
最適なソリューション保持戦略 (Ant System with Elitest)
最良の解はより高速に取得できますが、選択されたエリートが多すぎると、アルゴリズムが早期に局所的な次善の解に収束し、検索が途中で停滞する原因になります。
-
ローカルフェロモンのアップデート
選択されたパスは後続のアリにあまり影響を与えないため、アリは選択されていないパスを探索する能力がより強くなります。
-
最大最小アリ方式(最大最小アリ方式)
各反復の後、最適解 (最適アリ) が属するパスの情報のみが更新されます。
早期の収束を避けるために、各パスの可能なフェロモンは [τmin ,τmax] に制限されます。
アルゴリズムの最初の時点で、ρ が小さい値を取る場合、アルゴリズムはより適切な解を見つける能力が高くなります。反復回数が増加すると、ρ が大きくなり、アルゴリズムの収束が速くなります。