Discussion de l'article "Algorithmes d'optimisation de la population : Monkey Algorithm, Algorithme du Singe (MA)"
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Un nouvel article Algorithmes d'optimisation de la population : Monkey Algorithm, Algorithme du Singe (MA) a été publié :
Dans cet article, j'examinerai l'algorithme d'optimisation Monkey Algorithm (MA). La capacité de ces animaux à surmonter des obstacles difficiles et à atteindre les cimes des arbres les plus inaccessibles est à l'origine de l'idée de l'algorithme MA.
La zone explorée par les singes est un paysage de fonction d'aptitude, de sorte que la montagne la plus haute correspond à la solution du problème (nous considérons le problème de la maximisation globale). À partir de sa position actuelle, chaque singe monte jusqu'à ce qu'il atteigne le sommet de la montagne. Le processus de montée est conçu pour améliorer progressivement la valeur de la fonction cible. Ensuite, le singe effectue une série de sauts locaux dans une direction aléatoire dans l'espoir de trouver une montagne plus haute, et le mouvement ascendant est répété. Après avoir effectué un certain nombre de montées et de sauts locaux, le singe estime qu'il a suffisamment exploré le paysage à proximité de sa position initiale.
Pour explorer une nouvelle zone de l'espace de recherche, le singe effectue un long saut global. Les étapes ci-dessus sont répétées un nombre déterminé de fois dans les paramètres de l'algorithme. La solution du problème est déclarée être le plus grand des sommets trouvés par la population de singes donnée. Cependant, le MA consacre un temps de calcul important à la recherche de solutions optimales locales au cours du processus d'ascension. Le processus de saut global peut accélérer le taux de convergence de l'algorithme. L'objectif de ce processus est de forcer les singes à trouver de nouvelles opportunités de recherche afin de ne pas tomber dans la recherche locale. L'algorithme présente des avantages tels qu'une structure simple, une fiabilité relativement élevée et une bonne recherche de solutions optimales locales.
Le MA est un nouveau type d'algorithme évolutionnaire qui peut résoudre de nombreux problèmes d'optimisation complexes caractérisés par la non-linéarité, la non-différentiabilité et la haute dimensionnalité. La différence avec les autres algorithmes est que le temps passé par le MA est principalement dû à l'utilisation du processus de montée pour trouver des solutions optimales locales. Dans la section suivante, je décrirai les principaux composants de l'algorithme, les solutions présentées, l'initialisation, la montée, l'observation et le saut.
Auteur : Andrey Dik