기고글 토론 "모집단 최적화 알고리즘: 회색 늑대 옵티마이저(GWO)"

새 코멘트
 

새로운 기고글 모집단 최적화 알고리즘: 회색 늑대 옵티마이저(GWO) 가 게재되었습니다:

이번에는 최신의 최적화 알고리즘 중 하나인 그레이 울프 최적화에 대해 알아봅시다. 테스트 함수에서의 오리지널 행동은 이 알고리즘을 앞서 고려한 알고리즘 중 가장 흥미로운 알고리즘 중 하나로 만듭니다. 이 알고리즘은 신경망 훈련, 많은 변수가 있는 부드러운 함수의 훈련에 사용되는 최고의 알고리즘 중 하나입니다.

주변

그림 3. 알파, 베타 및 델타와 관련된 오메가의 이동 다이어그램


GWO 알고리즘의 의사 코드는 다음과 같습니다:

1) 회색 늑대 개체 수를 무작위로 초기화합니다.
2) 인구의 각 구성원의 체력을 계산합니다.
3) 무리 리더:
-α = 최고의 피트니스 값을 가진 멤버
-β = 두 번째로 우수한 멤버(체력 기준)
-δ = 세 번째로 우수한 멤버(피트니스 값 기준)
α, β, δ에 따른 방정식에 따라 모든 오메가 늑대의 위치를 업데이트합니다.
4) 인구의 각 구성원의 체력을 계산합니다.
5) 3단계를 반복합니다.

작성자: Andrey Dik

 
가난한 상인의 무리 방법에 의한 최적화가 있을까요? ))
 
mytarmailS #:
가난한 상인의 무리 방법에 의한 최적화가 있을까요? ))
알고리즘이 너무 시끄러울까봐 걱정됩니다.)))
 

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

새 코멘트