記事「母集団最適化アルゴリズム：人工蜂コロニー(ABC)」についてのディスカッション
昆虫研究家カール・フリッシュ」の正しい名前は、ロシア語では Karlvon Frisch:https://en.wikipedia.org/wiki/Karl_von_Frisch。
メタヒューリスティック最適化技術に関する 記事は素晴らしいよ！私たちと共有できる経験の多さには驚かされるよ！
メタヒューリスティック最適化のターゲットをオプティマイザーに実装することを検討してください！
OnTester()の中でユーザーが設定できるような簡単なものです：
OptimizerSetEngine("ACO"); // アントコロニー最適化 OptimizerSetEngine("COA")); // カッコウ最適化アルゴリズム OptimizerSetEngine("ABC")); // 人工蜂コロニー OptimizerSetEngine("GWO")); // グレイウルフ・オプティマイザ OptimizerSetEngine("PSO")); // 粒子群最適化
ブラジルより
取引の機会を逃しています。
- 無料取引アプリ
- 8千を超えるシグナルをコピー
- 金融ニュースで金融マーケットを探索
新しい記事「母集団最適化アルゴリズム：人工蜂コロニー(ABC)」はパブリッシュされました:
今回は、人工蜂コロニーアルゴリズムを研究し、機能空間を研究する新しい原理で知識を補います。今回は、古典アルゴリズムについて、私の解釈を紹介します。
人工蜂コロニーには多くの実装があり、巣の中の蜂の管理原理や領域探索のルールに違いがあります。今回は、古典アルゴリズムに対する私の解釈についてお話します。
アルゴリズムのアイデアは、できるだけ多くの蜜を得られる場所を探すときの蜂の行動に基づいています。まず、すべての蜜蜂が巣からランダムな方向に飛び出し、偵察隊となって蜜のある場所を探そうとします。その後、蜜蜂は巣に戻り、特別な方法で、どこでどれだけの蜜を見つけたかを他の蜜蜂に伝えます。
発見された場所に働き蜂が送られられます。蜜が多いと思われる場所ほど、より多くの蜂がその方向に飛んでいくのです。偵察隊は再び他の領域を探しに飛び立ちますが、すでに発見された領域の周辺にいます。このように、すべての蜂は、蜜を集める働き蜂と、新しい場所を探索する偵察蜂の2種類に分けられます。採蜜領域は、その中の蜜の量に対応した値を持ちます。下位の領域は、上位の領域に対して、その中心を通る線上で相対的にずれています。
働き蜂の領域別分布を図式化すると、図1のようになります。
作者: Andrey Dik