記事「母集団最適化アルゴリズム：モンキーアルゴリズム(MA)」についてのディスカッション

[MetaQuotes]

新しい記事「母集団最適化アルゴリズム：モンキーアルゴリズム(MA)」はパブリッシュされました:

今回は、最適化アルゴリズムであるモンキーアルゴリズム（MA、Monkey Algorithm）について考えてみたいと思います。この動物が難関を乗り越え、最もアクセスしにくい木のてっぺんまで到達する能力が、MAアルゴリズムのアイデアの基礎となりました。

猿が探索する領域は適応度関数の地形なので、一番高い山が問題の解に相当します（大域最大化の問題を考慮）。現在の位置から、それぞれの猿は山の頂上まで移動していきます。上昇の過程は、目標関数の値を徐々に向上させるように設計されています。そして、猿はより高い山を見つけるために、ランダムな方向に局所的なジャンプを繰り返し、上昇の動きを繰り返します。ある一定回数の上昇と局所的ジャンプをおこなった後、猿は初期位置の周辺の地形を十分に探索したと考えるようになります。

探索空間の新しい領域を探索するために、猿は長い大局的ジャンプをおこないます。以上の手順をアルゴリズムパラメータで指定された回数だけ繰り返します。問題の解は、与えられた猿の集団が見つけた頂点のうち、最も高いものであると宣言されます。しかし、MAは上昇の過程で局所最適解を探索するため、多大な計算時間を費やしてしまいます。大局的ジャンプ処理により、アルゴリズムの収束速度を速めることができます。この過程の目的は、猿が局所的検索に陥らないように、新しい検索機会を見つけさせることです。このアルゴリズムには、構造が簡単で、比較的信頼性が高く、局所最適解をよく探索できるなどの利点があります。

MAは、非線形性、非微分性、高次元を特徴とする多くの複雑な最適化問題を解くことができる新しいタイプの進化的アルゴリズムです。他のアルゴリズムとの違いは、MAが費やした時間が、主に局所最適解を見つけるための上昇過程の使用によるものであることです。次のセクションでは、アルゴリズムの主な構成要素、提示された解決策、初期化、上昇、観察、ジャンプについて説明します。

作者: Andrey Dik