기고글 토론 "모집단 최적화 알고리즘: 인공 꿀벌 군집(ABC)"
"곤충 연구자 칼 프리쉬"의 정확한 이름은 러시아어로 각각 Karl von Frisch: https://en.wikipedia.org/wiki/Karl_von_Frisch 입니다.
메타휴리스틱 최적화 기법에 관한 글은 정말 멋집니다! 훌륭한 일을하고 있습니다. Andrey, 당신이 우리와 얼마나 많은 경험을 공유해야하는지 놀랍습니다, 감사합니다!
메타휴리스틱 최적화 타겟을 옵티마이저에 구현하는 것을 고려해 보세요! 소프트웨어에 큰 도움이 될 것입니다.
사용자가 OnTester() 내부에서 쉽게 설정할 수 있는 무언가:
OptimizerSetEngine("ACO"); // 앤트 콜로니 최적화 OptimizerSetEngine("COA"); // 쿠쿠 최적화 알고리즘 OptimizerSetEngine("ABC"); // 인공 벌집 OptimizerSetEngine("GWO"); // 회색 늑대 옵티마이저 옵티마이저셋엔진("PSO"); // 파티클 스웜 최적화
브라질에서 건배
새로운 기고글 모집단 최적화 알고리즘: 인공 꿀벌 군집(ABC) 가 게재되었습니다:
이 글에서는 인공 꿀벌 군집의 알고리즘을 연구하고 기능적 공간을 연구하는 새로운 원칙을 더해 우리의 지식을 보완할 것입니다. 이 글에서는 고전적인 버전의 알고리즘에 대한 저의 해석을 보여드리겠습니다.
인공 꿀벌 군집은 벌집에서 벌을 관리하는 원칙과 지역 탐사의 규칙 등에서 서로 다른 여러 가지가 있습니다. 이 글에서는 고전적인 버전의 알고리즘에 대한 저의 해석에 대해 다루어 보겠습니다.
알고리즘의 아이디어는 꿀벌이 꿀을 최대한 많이 얻을 수 있는 장소를 찾을 때 발생하는 벌의 행동에 기반합니다. 먼저 모든 꿀벌은 벌집에서 무작위의 방향으로 날아가 정찰병의 역할을 하며 꿀이 있는 곳을 찾으려고 노력합니다. 그 후 꿀벌은 벌집으로 돌아와 특별한 방법으로 다른 벌들에게 꿀을 어디서 얼마나 찾았는지를 알려줍니다.
일벌은 발견된 지역으로 보내집니다. 이 지역에서 꿀이 더 많이 발견될수록 더 많은 꿀벌이 그 방향으로 날아갑니다. 정찰대는 다시 다른 지역을 찾기 위해 날아가지만 이미 발견한 지역 근처에 있습니다. 따라서 모든 꿀벌은 꿀을 모으는 일벌과 새로운 지역을 탐험하는 정찰벌의 두 가지 유형으로 나뉩니다. 꿀을 수집하는 지역에는 꿀의 양에 해당하는 값이 있습니다. 순위가 낮은 지역은 있는 순위가 높은 지역에 가까이 위치합니다. 이들은 지역 중앙을 통과하는 선을 따라 위치합니다.
지역별 일벌의 분포는 그림 1에서 개략적으로 시각화 할 수 있습니다.
작성자: Andrey Dik